Home Progetti deeplabv3
deeplabv3
Python

deeplabv3

Implementazione PyTorch di DeepLabV3, addestrato sul dataset Cityscapes.

di fregu856 · GitHub
Stelle
Fork
Licenza
Creato
Ultimo commit
Lingua
autonomous-drivingcomputer-visiondeep-learningMITPython
Visualizza su GitHub
In parole semplici

Allena e valuta modelli per comprendere le immagini utilizzando il framework DeepLabV3 con il dataset Cityscapes.

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 →
deeplabv3 — GitHub preview card
📈 Storia delle stelle
816815
2026-07-202026-08-31
📈 Segui deeplabv3

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

Implementazione PyTorch di DeepLabV3, addestrato sul dataset Cityscapes.

deeplabv3 ha 815 stelle su GitHub. È stato forkato 180 volte. deeplabv3 è scritto principalmente in Python. È in sviluppo attivo dal 2018. deeplabv3 è disponibile con licenza MIT. I suoi temi principali sono: autonomous-driving, computer-vision, deep-learning, machine-learning.

Frequently asked questions

Che cos'è deeplabv3?

Implementazione PyTorch di DeepLabV3, addestrato sul dataset Cityscapes.

deeplabv3 è open source?

deeplabv3 è un progetto open source. È rilasciato con licenza MIT.

deeplabv3 è gratuito?

Sì. deeplabv3 è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è deeplabv3?

deeplabv3 è disponibile con licenza MIT.

In quale linguaggio è scritto deeplabv3?

deeplabv3 è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — deeplabv3

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=fregu856-deeplabv3)](https://olud.ai/project/fregu856-deeplabv3.html)
Altre opzioni di badge →
🧬 Condivide il DNA con

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