semantic-segmentation

[CVPR 2023] OneFormer: Um Transformer para dominar a segmentação universal de imagens

Treinamento tudo-em-um para modelos de visão (YOLO, ViTs, RT-DETR, DINOv3): pré-treinamento, ajuste fino e destilação.

Uma implementação em PyTorch do EfficientDet fiel à implementação original do Google, com pesos portados.

Um framework sem código construído sobre PyTorch para estudos de deep learning reprodutíveis. Ecossistema PyTorch. Até o momento, 26 métodos de destilação de conhecimento apresentados em conferências como TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV e AAAI foram implementados. Modelos treinados, logs de treinamento e configurações estão disponíveis para garantir a reprodutibilidade e o benchmark.

[ICLR 2023 Spotlight] Adaptador de Vision Transformer para predições densas

O Medical Detection Toolkit contém implementações 2D e 3D de detectores de objetos populares como Mask R-CNN, Retina Net e Retina U-Net, além de um framework de treinamento e inferência focado no processamento de imagens médicas.

Um extrator de representação de parsing humano pronto para uso.

Framework de compressão de redes neurais para inferência aprimorada com OpenVINO™

UNetFormer: Um transformer semelhante ao UNet para segmentação semântica eficiente de imagens de cenas urbanas de sensoriamento remoto, ISPRS. Inclui também outros vision transformers e CNNs para segmentação de imagens de satélite, aéreas e de UAV.

Implementação oficial em PyTorch do Superpoint Transformer [ICCV'23], SuperCluster [3DV'24 Oral] e EZ-SP [ICRA'26]

Modelos leves para segmentação semântica em tempo real no PyTorch (inclui SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet, etc.)

Implementação oficial em PyTorch do ODISE: Open-Vocabulary Panoptic Segmentation with Text-to-Image Diffusion Models [Destaque CVPR 2023]

Modelos SOTA de segmentação semântica em PyTorch

[ICLR 2024] Implementação oficial em PyTorch do FasterViT: Vision Transformers rápidos com atenção hierárquica

[ICLR2022] implementação oficial do UniFormer

API SemanticKITTI para visualização de conjuntos de dados, processamento de dados e avaliação de resultados.

Implementações simples em PyTorch de U-Net/FullyConvNet (FCN) para segmentação de imagem

SSSegmentation: Uma caixa de ferramentas de segmentação semântica supervisionada de código aberto baseada em PyTorch.

Este é o repositório oficial do nosso trabalho recente: PIDNet

Uma coleção de artigos sobre Referring Image Segmentation.

Segmentação semântica para sensoriamento remoto

Biblioteca de percepção hierárquica em Python para estimativa de pose, detecção de objetos, segmentação de instâncias, estimativa de pontos-chave, reconhecimento facial, etc.

Este repositório fornece uma lista abrangente de conjuntos de dados de satélite de radar e ópticos selecionados para detecção, classificação, segmentação semântica e segmentação de instâncias de navios. Esses conjuntos de dados são ideais para aplicações em visão computacional, aprendizado de máquina, sensoriamento remoto e análise marítima.

[CVPR22] Implementação oficial do DAFormer: Melhoria de arquiteturas de rede e estratégias de treinamento para segmentação semântica adaptativa de domínio

[NeurIPS 2021] LoveDA: Um conjunto de dados de cobertura do solo por sensoriamento remoto para segmentação semântica adaptativa de domínio

Artigos do ICASSP 2023-2024: Uma coleção completa de artigos de pesquisa influentes e empolgantes das conferências ICASSP 2023-24. Explore os avanços mais recentes em acústica, fala e processamento de sinais. Código incluído. Dê uma estrela no repositório para apoiar o avanço do processamento de áudio e sinais!

Aplicativo iOS Ultralytics YOLO e pacote Swift para inferência Core ML em tempo real em principais tarefas de visão computacional.

Biblioteca gratuita e de código aberto para detecção de objetos por IA e segmentação semântica em rasters geoespaciais. 🚀