Semantic Image Segmentation 相关的热门 GitHub AI项目仓库

Stable Diffusion 的网页版界面

21堂课，开启生成式AI之旅！ https://microsoft.github.io/generative-ai-for-beginners/

适用于GPU云端和本地环境的ComfyUI Docker镜像。包含AI-Dock基础镜像，用于身份验证和提升用户体验。

Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 80+ languages.

一个超高速的搜索引擎API，将人工智能驱动的混合搜索功能带到您的网站和应用程序中。

构建AI智能体的10个入门课程

Upscayl：首屈一指的免费开源AI图像放大软件，支持Linux、MacOS和Windows系统。

开源免费的替代方案，可替代OpenAI、Claude等。支持本地自托管，无需GPU，可在家用硬件上运行。可直接替换OpenAI，支持gguf、transformers、diffusers等多种模型架构。功能包括：文本、音频、视频、图像生成，语音克隆，分布式和P2P推理。

GFPGAN致力于开发用于现实人脸修复的实用算法。

这是目前最大规模的PyTorch图像编码器/骨干网络集合，包含训练、评估、推理、导出脚本和预训练权重——涵盖ResNet、ResNeXT、EfficientNet、NFNet、Vision Transformer (ViT)、MobileNetV4、MobileNet-V3 & V2、RegNet、DPN、CSPNet、Swin Transformer、MaxViT、CoAtNet、ConvNeXt等多种网络。

把文字切分成词语，并标注每个词的词性（例如名词、动词）；识别出人名、地名、机构名等命名实体；分析句子中词语之间的语法关系；分析句子的结构成分；分析句子中词语之间的语义关系；标注句子中每个成分的语义角色（例如施事者、受事者）；解决代词指代不明确的问题；转换文本的写作风格；计算文本间的语义相似度；发现新的词语；提取关键词和短语；自动生成文本摘要；对文本进行分类和聚类；进行中文简繁体转换；以及其他自然语言处理技术。

Real-ESRGAN的目标是开发用于通用图像/视频修复的实用算法。

开放式MMLab目标检测工具箱和基准测试

Diffusers：一个基于PyTorch和FLAX的库，包含最先进的扩散模型，用于图像、视频和音频生成。

你的 AI 第二大脑，可自行托管。从网络或你的文档中获取答案。构建自定义代理，安排自动化任务，进行深度研究。将任何在线或本地大型语言模型 (LLM) 变成你个人的自主 AI（例如 GPT、Claude、Gemini、Llama、Qwen、Mistral）。立即开始 – 免费。

开箱即用的OCR，支持80多种语言和所有流行的文字系统，包括拉丁文、中文、阿拉伯文、天城文、西里尔文等等。

Qdrant 是一款高性能、大规模的向量数据库和向量搜索引擎，专为下一代人工智能而设计。云端版本也已上线：https://cloud.qdrant.io/

Invoke 是一个领先的 Stable Diffusion 模型创意引擎，赋能专业人士、艺术家和爱好者使用最新的 AI 技术生成和创作视觉媒体。该方案提供业界领先的 WebUI，并作为多个商业产品的基础。

图像处理的深度学习，包括图像分类、目标检测等。

基于Keras和TensorFlow的Mask R-CNN目标检测与实例分割