PaddleSeg
Biblioteca de segmentación de imágenes fácil de usar con un increíble zoológico de modelos preentrenados, que soporta una amplia gama de tareas prácticas en Segmentación Semántica, Segmentación Interactiva, Segmentación Panóptica, Matting de Imágenes, Segmentación 3D, etc.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasBiblioteca de segmentación de imágenes fácil de usar con un increíble zoológico de modelos preentrenados, que soporta una amplia gama de tareas prácticas en Segmentación Semántica, Segmentación Interactiva, Segmentación Panóptica, Matting de Imágenes, Segmentación 3D, etc.
PaddleSeg tiene 9.4k estrellas en GitHub. Se ha bifurcado 1.7k veces. PaddleSeg está escrito principalmente en Python. Se desarrolla activamente desde 2019. PaddleSeg está disponible bajo la licencia Apache-2.0. Sus temas principales son: autonomous-driving, human-segmentation, image-matting, image-segmentation.
¿Qué es PaddleSeg?
Biblioteca de segmentación de imágenes fácil de usar con un increíble zoológico de modelos preentrenados, que soporta una amplia gama de tareas prácticas en Segmentación Semántica, Segmentación Interactiva, Segmentación Panóptica, Matting de Imágenes, Segmentación 3D, etc.
¿PaddleSeg es de código abierto?
PaddleSeg es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.
¿PaddleSeg es gratis?
Sí. PaddleSeg es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿Bajo qué licencia está PaddleSeg?
PaddleSeg está disponible bajo la licencia Apache-2.0.
¿En qué lenguaje está escrito PaddleSeg?
PaddleSeg está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/paddlepaddle-paddleseg.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.