semantic-segmentation

Ultralytics YOLO26, YOLO11, YOLOv8 — phát hiện đối tượng, phân đoạn thực thể, phân đoạn ngữ nghĩa, phân loại hình ảnh, ước lượng tư thế, theo dõi đối tượng

Label Studio là một công cụ gán nhãn và chú thích dữ liệu đa loại với định dạng đầu ra chuẩn hóa

Bộ sưu tập các bài báo và dự án mã nguồn mở CVPR 2026

Computer Vision Annotation Tool (CVAT) là nền tảng hàng đầu để xây dựng các tập dữ liệu trực quan chất lượng cao cho thị giác AI. Nó cung cấp các sản phẩm mã nguồn mở, đám mây và doanh nghiệp, cũng như các dịch vụ gán nhãn, dành cho việc chú thích hình ảnh, video và 3D với tính năng gán nhãn hỗ trợ bởi AI, đảm bảo chất lượng, cộng tác nhóm, phân tích và API dành cho nhà phát triển.

Chú thích hình ảnh bằng Python. Hỗ trợ đa giác, hình chữ nhật, hình tròn, đường thẳng, điểm và chú thích hỗ trợ bởi AI.

Đây là bản cài đặt chính thức cho "Swin Transformer: Hierarchical Vision Transformer using Shifted Windows".

Các mô hình phân đoạn ngữ nghĩa với hơn 500 mạng nền tảng (backbone) dựa trên CNN và transformer đã được huấn luyện sẵn.

Triển khai PyTorch của U-Net để phân đoạn ngữ nghĩa hình ảnh với hình ảnh chất lượng cao

[CVPR 2024 Oral] Họ InternVL: Giải pháp thay thế nguồn mở tiên phong cho GPT-4o. Mô hình đối thoại đa phương thức nguồn mở có hiệu suất gần bằng GPT-4o

Bộ công cụ và benchmark phân đoạn ngữ nghĩa OpenMMLab.

Thư viện phân đoạn hình ảnh dễ sử dụng với kho mô hình huấn luyện sẵn tuyệt vời, hỗ trợ nhiều tác vụ thực tế trong Phân đoạn ngữ nghĩa, Phân đoạn tương tác, Phân đoạn toàn cảnh, Tách nền hình ảnh, Phân đoạn 3D, v.v.

Bộ công cụ Gluon CV

Công cụ thiết kế hoặc trực quan hóa kiến trúc của Mạng thần kinh (Neural Network)

Triển khai PyTorch cho Phân đoạn ngữ nghĩa / Phân tích cảnh trên tập dữ liệu MIT ADE20K.

Danh sách tổng hợp các công cụ gán nhãn dữ liệu tuyệt vời

Bản triển khai chính thức của SegFormer bằng PyTorch

pySLAM là một pipeline Visual SLAM lai giữa Python và C++ hỗ trợ camera đơn mắt, âm thanh nổi và RGB-D. Nó cung cấp một bộ trích xuất tính năng cục bộ và toàn cầu hiện đại rộng rãi, nhiều chiến lược đóng vòng lặp, một module tái tạo thể tích, các mô hình dự đoán độ sâu tích hợp và khả năng phân đoạn ngữ nghĩa để hiểu rõ cảnh hơn.

Môi trường thử nghiệm để huấn luyện các mạng học sâu

Minkowski Engine là một thư viện mạng nơ-ron tự động tính đạo hàm (auto-diff) cho tensor thưa chiều cao

Bộ sưu tập bài báo và dự án mã nguồn mở ICCV 2025

[CVPR 2023 Highlight] InternImage: Khám phá các mô hình nền tảng thị giác quy mô lớn với các tích chập biến dạng (Deformable Convolutions)

[Giải thưởng Bài báo xuất sắc nhất IEEE TMI] Triển khai chính thức cho UNet++

Mô hình 3D U-Net cho phân đoạn ngữ nghĩa thể tích được viết bằng pytorch

Một phần mở rộng của Open3D để giải quyết các tác vụ Machine Learning 3D

Thư viện và framework mã nguồn mở dành cho học sâu trên hình ảnh vệ tinh và hàng không.

[CVPR 2025] Triển khai PyTorch chính thức của MambaVision: Một xương sống tầm nhìn Mamba-Transformer lai

Hợp tác và gán nhãn bất kỳ loại dữ liệu, hình ảnh, văn bản hoặc tài liệu nào trong một giao diện web hoặc ứng dụng desktop dễ sử dụng.

Công cụ gán nhãn web cho hình ảnh bitmap và đám mây điểm

Core ML model zoo cho iOS/macOS — Các mô hình PyTorch được chuyển đổi thành tệp .mlpackage sẵn sàng sử dụng, mỗi mô hình đi kèm một tập lệnh chuyển đổi và ứng dụng mẫu SwiftUI. Các kho lưu trữ liên quan bao gồm framework Core AI của Apple (iOS/macOS 27) và các LLM chạy trên thiết bị.

:art: Các mô hình phân đoạn ngữ nghĩa, tập dữ liệu và hàm mất mát được triển khai bằng PyTorch.