搜索资源列表
ImageSemanticSegmentation
- 随着数字图象技术、宽带网络技术和数字存储设备技术的发展，在网络上存储、传输大规模分布式数字图象库 成为可能，因此研究基于内容的图象检索技术成为近几年的热点。实现基于内容的图象检索系统的关键问题是实现图象 的语义分割。该文分六类对现有的图象语义分割技术进行了全面的总结，为进一步研究基于内容的图象检索技术奠定了 基础。-With the digital image technology, broadband networks and digital storage device tech
semanticscene
- 本程序主要用于对视频场景基于语义进行分割,先用SVM向量机进行语义分类,然后再进行分割,效果很好-This procedure is mainly used for video scene segmentation based on semantics, first vector machine SVM semantic classification, and then further divided, well
TextonBoostSplits
- Sxena等人发表的关于图像语义分割的源代码，C#代码，包含训练需要的数据集和测试集-Sxena, who published the image semantic segmentation on the source code, C# code, including training needs of the data set and test set
denseCRF_matlab-master
- MIT的nips11文章的matlab实现，全连接crf做图像语义分割示例，代码很清晰，方便自己改进-matlab implementation of MIT s paper in nips11 articlesFully connected crf do semantic image segmentation example, the code is very clear, easy to improve themselves
MRF-ICM 也是先聚类再算的 里面有论文
- 利用马尔科夫随机场对图像进行语义分割，通过ICm求解参数，可以运行，对初学者有较好的借鉴作用(Using Markov random field to semantic segmentation of images, through ICm solution parameters, can run, for beginners have a good reference)
caffe-segnet
- 智能车导航，神经网络学习，适合初学者，可以跨平台使用，需要安装caffe(Intelligent vehicle navigation)
crfasrnn_keras-master
- Conditional Random Fields as Recurrent Neural Networks 论文中提供的方法，在tensorflow上实现(The method provided in the paper Conditional Random Fields as Recurrent Neural Networks which is implemented on tensorflow)
unet-master
- 基于tensorflow的u_net的实现(Implementation of u_net based on tensorflow)
ALE
- 实现图像语义分割的C++程序， Oxford的ALE，作者Lubor Ladicky，花了5年时间完成这套代码，这是他在博士期间的工作，c++代码写得很规范，依赖库只有DevIL，需要耐心仔细地结合论文看才能看懂。(Semantic image segmentation of the C++ program, Oxford ALE, Lubor Ladicky, took 5 years to complete this code, this is his doctoral work, c++
drn
- dilated network用于图像的语义分割。(an example to dilated netqork)
FCIS-master
- 语义分割FCIS算法实现，可以在我的github上找到这个详细用法(Fully Convolutional Instance-aware Semantic Segmentation)
tf_unet-master
- 使用U-Net模型实现数据集的分割功能，基于vgg模型基础上(Using the U-Net model to implement the segmentation of data sets, based on the VGg model)
cn24
- CN24是一个完整的语义分割框架充分利用卷积网络。它支持多种平台（Linux，MAC OS X和Windows）和库（OpenCL，英特尔，AMD aCML……）同时提供免费的参考实现的依赖。软件开发的计算机视觉组和在耶那大学。(CN24 is a complete semantic segmentation framework that makes full use of the convolution network. It supports a variety of platforms (
crfasrnn_keras-master
- 利用keras框架来实现语义分割，进行更准确的图像识别(Semantic segmentation using a framework and to make more accurate image recognition)
tensorflow-fcn-master
- fcn语义分割的实现，基于VGG16等网络(The implementation of FCN semantic segmentation, based on VGG16 and other networks)
salience_object_detection-master
- 用深度学习框架Pytorch的图像语义分割(Image semantic segmentation using deep learning framework Pytorch)
Semantic-Segmentatiomaster
- 遥感图像的语义分割，分别使用Deeplab V3+(Xception 和mobilenet V2 backbone)和unet模型(Semantic segmentation of remote sensing images using Deeplab V3+ (Xception and Mobilenet V2 backbone) and UNET models)
人脸语义分割
- 能够对目标人物图像进行自动识别，并且完成精细的人脸语义分割
Unet
- UNet最早发表在2015的MICCAI上，短短3年，引用量目前已经达到了4070，足以见得其影响力。而后成为大多做医疗影像语义分割任务的baseline，也启发了大量研究者去思考U型语义分割网络。而如今在自然影像理解方面，也有越来越多的语义分割和目标检测SOTA模型开始关注和使用U型结构，比如语义分割Discriminative Feature Network(DFN)(CVPR2018)，目标检测Feature Pyramid Networks for Object Detection(FP
遥感语义分割
- Python编程利用keras框架进行语义分割