Modèles légers pour la segmentation sémantique en temps réel sur PyTorch (inclut SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet, etc.)
Exécutez des modèles de segmentation d'images en temps réel pour des tâches comme la compréhension des scènes de conduite en utilisant PyTorch.
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 momentModèles légers pour la segmentation sémantique en temps réel sur PyTorch (inclut SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet, etc.)
Efficient-Segmentation-Networks compte 1k étoiles sur GitHub. Il a été forké 167 fois. Efficient-Segmentation-Networks est écrit principalement en Python. Il est développé activement depuis 2019. Efficient-Segmentation-Networks est disponible sous licence MIT. Ses principaux thèmes sont : camvid, cityscapes, computer-vision, driving-scene-understanding.
Modèles légers pour la segmentation sémantique en temps réel sur PyTorch (inclut SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet, etc.)
Efficient-Segmentation-Networks est un projet open source. Il est distribué sous licence MIT.
Oui. Efficient-Segmentation-Networks est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Efficient-Segmentation-Networks est disponible sous licence MIT.
Efficient-Segmentation-Networks 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/xiaoyufenfei-efficient-segmentation-networks.html)