mmsegmentation
图像分割基于 PyTorch 的语义分割工具箱与 benchmark,它把主流分割模型、数据集和训练流程统一到同一套配置里,省去重复搭建代码的麻烦。想复现论文结果或跑自己的数据集,改几行 config 就能用 CLI 启动训练与推理。
查看 GitHub 原始描述(英文)
OpenMMLab Semantic Segmentation Toolbox and Benchmark.
按钮会在新标签页打开,本站不代理、不镜像仓库内容。
基于 PyTorch 的语义分割工具箱与 benchmark,它把主流分割模型、数据集和训练流程统一到同一套配置里,省去重复搭建代码的麻烦。想复现论文结果或跑自己的数据集,改几行 config 就能用 CLI 启动训练与推理。
OpenMMLab Semantic Segmentation Toolbox and Benchmark.
按钮会在新标签页打开,本站不代理、不镜像仓库内容。
这是极市团队整理的 CVPR 历年论文、代码与解读合集,帮开发者省去逐篇翻找的功夫。想复现图像分割等方向的工作时,可直接按年份检索,一次拿到论文、开源代码和中文解读。
这是一个基于 PyTorch 的图像分割模型库,提供语义分割网络与预训练 backbone,省去从零搭建和训练编码器的麻烦。最典型的用法是加载现成模型,在自己的数据集上微调,快速完成分割任务。
U-2-Net 是 Pattern Recognition 2020 论文的官方 PyTorch 实现,用嵌套 U 型结构做显著目标检测,帮开发者从图像里分离出最吸引注意的主体。典型场景是抠图:输入一张照片,直接得到前景与背景分离的 mask,用于后续合成或编辑。
这是一套图像分割与计算机视觉的 Jupyter Notebook 教程合集,帮开发者快速上手从 ResNet 到 YOLO11、SAM 3 等主流模型。最典型的用法是直接运行 notebook,跟着代码完成数据准备、模型推理与效果可视化。
PaddleSeg 是一个基于 Python 的图像分割库,提供丰富的预训练模型,覆盖语义分割、交互式分割、全景分割、抠图与 3D 分割等任务。开发者可用它快速搭建从训练到部署的完整 workflow,典型场景是加载预训练模型微调后,通过 SDK 或 CLI 集成到实际业务中。
这是一个在浏览器端直接完成图像抠图的 TypeScript 库,无需上传服务器,兼顾隐私与成本。它适合在 Web 应用里做即时的背景移除,比如电商商品图一键去背,通过简单 API 即可接入。