Accueil Projets AdvSemiSeg
AdvSemiSeg
Python

AdvSemiSeg

Apprentissage adversarial pour la segmentation sémantique semi-supervisée, BMVC 2018

par hfslyc · GitHub
Étoiles
Forks
Créé
Dernier commit
Langue
adversarial-learningcomputer-visiondeep-learningPython
Voir sur GitHub
En termes simples

Implémentez un modèle pour segmenter des images avec un minimum de données étiquetées en utilisant des techniques d'apprentissage adversarial.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
AdvSemiSeg — GitHub preview card
📈 Historique des étoiles
508507
2026-07-202026-08-31
📈 Suivez AdvSemiSeg

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Apprentissage adversarial pour la segmentation sémantique semi-supervisée, BMVC 2018

AdvSemiSeg compte 507 étoiles sur GitHub. Il a été forké 124 fois. AdvSemiSeg est écrit principalement en Python. Il est développé activement depuis 2018. Ses principaux thèmes sont : adversarial-learning, computer-vision, deep-learning, pytorch.

Frequently asked questions

Qu'est-ce que AdvSemiSeg ?

Apprentissage adversarial pour la segmentation sémantique semi-supervisée, BMVC 2018

AdvSemiSeg est-il open source ?

AdvSemiSeg est un projet open source.

AdvSemiSeg est-il gratuit ?

Oui. AdvSemiSeg est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Dans quel langage AdvSemiSeg est-il écrit ?

AdvSemiSeg est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — AdvSemiSeg

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=hfslyc-advsemiseg)](https://olud.ai/project/hfslyc-advsemiseg.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.