Início Projetos tf_unet
tf_unet

tf_unet

por jakeret · GitHub

Implementação genérica do U-Net em Tensorflow para segmentação de imagem

Ver no GitHub
Em palavras simples

Implemente tarefas de segmentação de imagem usando um método padrão para processamento de imagens no TensorFlow.

⭐ Estrelas
🍴 Forks
📜 Licença
Licença copyleft
📅 Criado
🔄 Último commit
🏷️ Categoria
💻 Linguagem
Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
tf_unet — GitHub preview card
📈 Histórico de estrelas
1 9061 905
2026-07-202026-07-29
📈 Acompanhe tf_unet

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Implementação genérica do U-Net em Tensorflow para segmentação de imagem

tf_unet tem 1.9k estrelas no GitHub. Foi bifurcado 732 vezes. tf_unet é escrito principalmente em Python. Está em desenvolvimento ativo desde 2016. tf_unet está disponível sob a licença GPL-3.0. Os seus principais temas são: deep-learning, image-segmentation, neural-network, tensorflow.

Frequently asked questions

O que é tf_unet?

Implementação genérica do U-Net em Tensorflow para segmentação de imagem

tf_unet é de código aberto?

tf_unet é um projeto de código aberto. É distribuído sob a licença GPL-3.0.

tf_unet é gratuito?

Sim. tf_unet é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Sob que licença está tf_unet?

tf_unet está disponível sob a licença GPL-3.0.

Em que linguagem tf_unet está escrito?

tf_unet é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — tf_unet

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=jakeret-tf-unet)](https://olud.ai/project/jakeret-tf-unet.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.