Startseite Projekte LaserMix
LaserMix

LaserMix

von worldbench · GitHub

[CVPR 2023 Highlight] LaserMix für semi-supervised LiDAR-Semantische Segmentierung

Auf GitHub ansehen
⭐ Sterne
🍴 Forks
🔥 Trendend
📜 Lizenz
Kommerzielle Nutzung erlaubt
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
LaserMix — GitHub preview card
📈 Sternhistorie
321320
2026-07-202026-07-29
📈 LaserMix verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

[CVPR 2023 Highlight] LaserMix für semi-supervised LiDAR-Semantische Segmentierung

LaserMix hat 321 Sterne auf GitHub. Es wurde 21-mal geforkt. LaserMix ist hauptsächlich in Python geschrieben. Es wird seit 2022 aktiv entwickelt. LaserMix ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: autonomous-driving, lidar, segmentation, semi-supervised-learning.

Frequently asked questions

Was ist LaserMix?

[CVPR 2023 Highlight] LaserMix für semi-supervised LiDAR-Semantische Segmentierung

Ist LaserMix Open Source?

LaserMix ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist LaserMix kostenlos?

Ja. LaserMix ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht LaserMix?

LaserMix ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist LaserMix geschrieben?

LaserMix ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — LaserMix

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=worldbench-lasermix)](https://olud.ai/project/worldbench-lasermix.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.