qubvel-org/segmentation_models.pytorch

项目概览

segmentation_models.pytorch 提供高层 API，只需两行代码即可创建图像语义分割神经网络，涵盖多种编码器-解码器架构和数百个预训练编码器。该库还内置训练指标、损失函数，并支持 ONNX 导出与 PyTorch 编译工作流。

项目类型

AI 编程 · 图像视觉

应用场景

编程开发

部署方式

查看项目说明

License

MIT

适合谁

• 需要可复用 PyTorch 模型进行图像语义分割的开发者、AI 工程师和研究人员。

核心能力

• 通过文档记载仅需两行代码即可创建图像语义分割神经网络的高层 API。
• 提供 12 种编码器-解码器分割架构，包括 Unet、Unet++、Segformer 和 DPT。
• 提供数百个预训练的卷积和基于 Transformer 的编码器，用于构建分割模型。
• 提供用于训练流程的常用指标和损失函数，包括 Dice、Jaccard 和 Tversky。
• 支持 ONNX 导出，并兼容 PyTorch 脚本化、追踪和编译工作流。

限制与风险

• 提供的描述中报告了 500+ 个预训练骨干网络，而 README 中报告了 800+ 个预训练编码器，两者存在差异，使用前需核实实际可用数量。

如何开始

• 安装后通过高层 Python API 创建语义分割神经网络，README 描述该过程非常简单，仅需两行代码即可完成。

核验依据

• GitHub 项目简介: Semantic segmentation models with 500+ pretrained convolutional and transformer-based backbones.
• README: **Python library with Neural Networks for Image Semantic Segmentation based on [PyTorch](https://pytorch.org/).**
• README: - Super simple high-level API (just two lines to create a neural network)
• README: - 12 encoder-decoder model architectures (Unet, Unet++, Segformer, DPT, ...)
• README: - 800+ **pretrained** convolution- and transform-based encoders, including [timm](https://github.com/huggingface/pytorch-image-models) support

内容核验时间：