Home Progetti Deep-Image-Matting
Deep-Image-Matting

Deep-Image-Matting

di foamliu · GitHub

Deep Image Matting

Visualizza su GitHub
In parole semplici

Riproduci tecniche avanzate di editing delle immagini per separare i soggetti dagli sfondi nelle foto.

⭐ Stelle
🍴 Fork
📜 Licenza
Uso commerciale consentito
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
Deep-Image-Matting — GitHub preview card
📈 Storia delle stelle
992991
2026-07-202026-07-29
📈 Segui Deep-Image-Matting

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Deep Image Matting

Deep-Image-Matting ha 991 stelle su GitHub. È stato forkato 258 volte. Deep-Image-Matting è scritto principalmente in Python. È in sviluppo attivo dal 2018. Deep-Image-Matting è disponibile con licenza MIT. I suoi temi principali sono: computer-vision, deep-learning, matting.

Frequently asked questions

Che cos'è Deep-Image-Matting?

Deep Image Matting

Deep-Image-Matting è open source?

Deep-Image-Matting è un progetto open source. È rilasciato con licenza MIT.

Deep-Image-Matting è gratuito?

Sì. Deep-Image-Matting è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è Deep-Image-Matting?

Deep-Image-Matting è disponibile con licenza MIT.

In quale linguaggio è scritto Deep-Image-Matting?

Deep-Image-Matting è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — Deep-Image-Matting

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=foamliu-deep-image-matting)](https://olud.ai/project/foamliu-deep-image-matting.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.