PaddleSeg
Bibliothèque de segmentation d'image facile à utiliser avec un zoo de modèles pré-entraînés impressionnants, prenant en charge une large gamme de tâches pratiques en segmentation sémantique, segmentation interactive, segmentation panoptique, matting d'image, segmentation 3D, etc.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentBibliothèque de segmentation d'image facile à utiliser avec un zoo de modèles pré-entraînés impressionnants, prenant en charge une large gamme de tâches pratiques en segmentation sémantique, segmentation interactive, segmentation panoptique, matting d'image, segmentation 3D, etc.
PaddleSeg compte 9.4k étoiles sur GitHub. Il a été forké 1.7k fois. PaddleSeg est écrit principalement en Python. Il est développé activement depuis 2019. PaddleSeg est disponible sous licence Apache-2.0. Ses principaux thèmes sont : autonomous-driving, human-segmentation, image-matting, image-segmentation.
Qu'est-ce que PaddleSeg ?
Bibliothèque de segmentation d'image facile à utiliser avec un zoo de modèles pré-entraînés impressionnants, prenant en charge une large gamme de tâches pratiques en segmentation sémantique, segmentation interactive, segmentation panoptique, matting d'image, segmentation 3D, etc.
PaddleSeg est-il open source ?
PaddleSeg est un projet open source. Il est distribué sous licence Apache-2.0.
PaddleSeg est-il gratuit ?
Oui. PaddleSeg est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est PaddleSeg ?
PaddleSeg est disponible sous licence Apache-2.0.
Dans quel langage PaddleSeg est-il écrit ?
PaddleSeg est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/paddlepaddle-paddleseg.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.