项目类型

项目类别

最新

热搜企业:

**awesome-semantic-segmentation**这个仓库收录了很多很棒的语义分割的开源项目。供大家参考。

原始仓库地址:https://github.com/mrgloom/awesome-semantic-segmentation.git

浏览量:1424 下载量:842 项目类别: 语义分割
over 1 year前更新
Fork 0 关注 0

在这个项目中,您可以使用完全卷积网络(FCN)在图像中标记道路的像素。

原始仓库地址:https://github.com/udacity/CarND-Semantic-Segmentation.git

浏览量:1933 下载量:511 项目类别: 语义分割
over 1 year前更新
Fork 0 关注 0

这个存储库包含一些用于语义分割的模型,以及在PyTorch中实现的培训和测试模型的pipeline。 **模型:** 1. **Vanilla FCN**: FCN32, FCN16, FCN8, in the versions of VGG, ResNet and DenseNet respectively (Fully convolutional networks for semantic segmentation用于语义分割的全卷积网络); 1. **U-Net **(U-net: Convolutional networks for biomedical image segmentation用于医学图像分割的卷积网络) 1. **SegNet **(Segnet: 一种用于图像分割的深卷积编解码器结构) 1. **PSPNet** (Pyramid scene parsing network金字塔场景分析网络) 1. **GCN** (Large Kernel Matters大内核问题) 1. **DUC, HDC** (understanding convolution for semantic segmentation用于易于分割的理解卷积)

原始仓库地址:https://github.com/zijundeng/pytorch-semantic-segmentation.git

浏览量:1669 下载量:385 项目类别: 语义分割
over 1 year前更新
Fork 0 关注 0

**pytorch-semseg**这个存储库的目的是镜像PyTorch中流行的语义分割架构。 网络实现: - PSPNet :支持加载预训练模型 - ICNet:使用可选的批处理规范和预训练模型 - FRRN :模型A和模型B - FCN:All 1 (FCN32s), 2 (FCN16s) and 3 (FCN8s) stream variants - U-Net:可选反褶积和批处理范数 - Link-Net :具有多个resnet后端

原始仓库地址:https://github.com/meetshah1995/pytorch-semseg.git

浏览量:1846 下载量:583 项目类别: 语义分割
over 1 year前更新
Fork 0 关注 0

**SemanticSoftSegmentation**该版本库包括了提出的谱分割方法。 Yagiz Aksoy, Tae-Hyun Oh, Sylvain Paris, Marc Pollefeys and Wojciech Matusik, "Semantic Soft Segmentation", ACM Transactions on Graphics (Proc. SIGGRAPH), 2018

原始仓库地址:https://github.com/yaksoy/SemanticSoftSegmentation.git

浏览量:1273 下载量:456 项目类别: 语义分割
over 1 year前更新
PaddleSeg Python
Fork 0 关注 0

**PaddleSeg**是基于PaddlePaddle开发的语义分割库,覆盖了DeepLabv3+, U-Net, ICNet三类主流的分割模型。通过统一的配置,帮助用户更便捷地完成从训练到部署的全流程图像分割应用。 PaddleSeg具备高性能、丰富的数据增强、工业级部署、全流程应用的特点: - 丰富的数据增强 - 主流模型覆盖 - 高性能 - 工业级部署

原始仓库地址:https://github.com/PaddlePaddle/PaddleSeg.git

浏览量:1887 下载量:523 项目类别: 语义分割
over 1 year前更新
Fork 0 关注 0

本项目主要在视觉表征中通过图像补丁和布局来进行无监督学习,让同一幅图像上的两个补丁紧密分布。这些补丁在统计上来讲是同一个物体。然后在选择随机的图像上选择第三个补丁,并且布局在随机的位置,从统计上来讲与前两个补丁并不是同一类物体。再训练一个深度网络来区分两个属于同一类的补丁和另一个不同类别的补丁。最终得到的网络具有和最高性能精调网络之一相同的性能。

原始仓库地址:https://github.com/mehdinoroozi/jigsawpuzzlesolver.git

浏览量:75 下载量:0 项目类别: 语义分割
about 1 year前更新
autocolorize Python
Fork 0 关注 0

本项目是一个全自动的图像着色系统。该方法利用了深度网络的最新进展,同时利用了低级和语义表示。由于许多场景元素是根据多模态颜色分布自然出现的,因此训练的模型来预测每像素颜色直方图。此中间输出可用于自动生成彩色图像,或在图像形成之前进一步操作。在完全和部分自动着色任务上,本方法优于现有方法。

原始仓库地址:https://github.com/gustavla/autocolorize.git

浏览量:59 下载量:0 项目类别: 语义分割
about 1 year前更新
Fork 0 关注 0

本项目从单个深度图中用于3D手势和人体姿势估计。现有方法存在两个问题:一点是2D深度图中存在透视畸变,二是直接从2D图像回归3D坐标是一种高度非线性的映射,这导致学习过程中的困难。为了改善这些问题,本项目首先将3D手和人体姿势估计问题从单个深度图转换为体素到体素预测,该预测使用3D体素网格并估计每个体素是每个关键点的可能性。

原始仓库地址:https://github.com/mks0601/v2v-posenet_release.git

浏览量:72 下载量:0 项目类别: 语义分割
about 1 year前更新
deoldify Python
Fork 0 关注 0

本项目是用于着色和恢复旧图像及视频的深度学习项目。本项目训练了一个新的 GAN-NoGAN,其在 DeOldify 中对于保证视频着色的稳定性来说至关重要。NoGAN 训练结合了 GAN 训练的优点(好看的色彩),同时消除了令人讨厌的副作用(如视频中的闪烁物体)。视频由孤立的图像生成,而不添加任何时间建模。该过程执行 30-60 分钟 “NoGAN” 训练的 GAN 部分,每次使用 1% 至 3% 的图像网络(imagenet)数据。然后,与静止图像着色一样,在重建视频之前对各个帧进行“去旧化”。

原始仓库地址:https://github.com/jantic/deoldify.git

浏览量:74 下载量:0 项目类别: 语义分割
about 1 year前更新

ihub@pcl.ac.cn 鹏城实验室人工智能研究中心

版权所有:鹏城实验室    粤ICP备18066427号-6    Powerd by 国防科技大学Trustie