Efficient-Segmentation-Networks
Modelos ligeros para segmentación semántica en tiempo real en PyTorch (incluye SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet, etc.)
Ejecuta modelos de segmentación de imágenes en tiempo real para tareas como entender escenas de conducción utilizando PyTorch.
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 quierasModelos ligeros para segmentación semántica en tiempo real en PyTorch (incluye SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet, etc.)
Efficient-Segmentation-Networks tiene 1k estrellas en GitHub. Se ha bifurcado 167 veces. Efficient-Segmentation-Networks está escrito principalmente en Python. Se desarrolla activamente desde 2019. Efficient-Segmentation-Networks está disponible bajo la licencia MIT. Sus temas principales son: camvid, cityscapes, computer-vision, driving-scene-understanding.
¿Qué es Efficient-Segmentation-Networks?
Modelos ligeros para segmentación semántica en tiempo real en PyTorch (incluye SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet, etc.)
¿Efficient-Segmentation-Networks es de código abierto?
Efficient-Segmentation-Networks es un proyecto de código abierto. Se distribuye bajo la licencia MIT.
¿Efficient-Segmentation-Networks es gratis?
Sí. Efficient-Segmentation-Networks es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿Bajo qué licencia está Efficient-Segmentation-Networks?
Efficient-Segmentation-Networks está disponible bajo la licencia MIT.
¿En qué lenguaje está escrito Efficient-Segmentation-Networks?
Efficient-Segmentation-Networks 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/xiaoyufenfei-efficient-segmentation-networks.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.