配套 B 站视频教程的深度学习图像处理实战代码库，用 PyTorch 和 TensorFlow2 覆盖图像分类、目标检测与分割的完整训练流程。

Python 图像处理算法库，提供滤波、分割、形态学、特征检测等常用算法，适合科研与工程中快速实现图像分析流程。

基于 PyTorch 的语义分割模型库，提供 500+ 预训练卷积与 Transformer 骨干网络，开箱即用，省去自己搭建和训练分割模型的麻烦。

基于 PyTorch 的医学图像分割非官方实现，支持 2D 和 3D 数据，方便快速搭建和训练分割模型。

Meta 开源的 SAM 2 图像与视频通用分割模型，提供推理代码、预训练权重下载和示例 notebook，可对任意画面中的物体做可提示分割与视频目标跟踪。

Detectron2 是 Facebook 开源的目标检测与分割平台，提供模块化架构和丰富预训练模型，方便快速搭建和训练视觉识别任务。

在浏览器里直接完成图片抠图去背景，无需上传服务器，兼顾隐私和零成本，适合前端集成。

基于 Keras 实现的 U-Net 图像分割模型，提供训练与推理代码，适合医学影像等像素级分割任务的快速复现与二次开发。

基于 PyTorch 的医学影像深度学习工具包，提供数据加载、预处理、网络结构和评估等组件，帮研究者快速搭建医疗影像 AI 流程。

一套可直接在 Colab 跑的计算机视觉教程合集，覆盖 ResNet 到 RF-DETR、YOLO11、SAM 3、Qwen3-VL 等模型，帮你快速上手训练、微调与推理。

UNet++ 的官方实现，通过嵌套密集跳跃连接缩小编码器与解码器之间的语义鸿沟，提升医学图像分割精度，提供 Keras 和 PyTorch 版本。

一款注重隐私的 Android 文档扫描应用，用 OpenCV 和 TFLite 做图像分割与处理，把纸质文件拍成清晰的 PDF，全程本地完成不上传。

在 ITK 之上封装的一层简化接口，让 Python、Java、R 等语言也能方便地做医学图像分割、配准与分析，免去直接啃 C++ 模板的麻烦。

一套 PyTorch 扩展工具集，提供数据增强、损失函数、训练流水线等常用组件，帮你在做图像分割、检测和分类的原型研发与 Kaggle 比赛时少写重复代码。

用 Segment Anything 模型对遥感影像等地理空间数据做交互式分割的 Python 包，省去自己搭建分割流程的麻烦。

在 SAM 基础上做高质量分割的升级版，能输出更精细的边缘和掩码，适合需要高精度抠图与标注的场景。

把 Segment Anything 2 当作强编码器接上 U-Net 解码器，做自然图像和医学图像分割，覆盖伪装目标、息肉、海洋动物等场景。

只用 ViT 编码器做图像分割的官方实现，省去解码器和额外适配模块，在实例、全景分割任务上兼顾精度与推理速度。

基于认知强化学习、用推理链引导的文本指代图像分割方案，让多模态大模型先推理再分割，提升复杂场景下的分割精度。

把 SAM 的分割能力扩展到任意分割任务的多模态大模型，支持文本指令驱动的通用图像分割。

面向高分辨率生成与感知的高效视觉基础模型，通过轻量架构设计降低计算开销，可用于图像分类、分割等任务。

把 SAM、MobileSAM、EfficientSAM、SAM 2/2.1 和 SAM 3 导出成 ONNX 模型，方便在任意平台跑可移植的图像分割，不用绑死原始框架。

LViT 把文本描述引入视觉 Transformer，做医学图像分割，用语言信息弥补标注数据不足，提升分割精度。

在 Jetson 上跑 TensorRT 加速的视觉模型示例集，涵盖 MODNet 抠图、YOLOv3/v4 检测、SSD、MTCNN 人脸和 GoogLeNet，帮你快速部署边缘推理。

基于 C++ 的深度学习服务端与命令行工具，封装 Torch、TensorRT 等后端，通过 REST API 提供图像分类、目标检测、分割和以图搜图能力。

用扩散模型做医学图像器官分割与重建，把去噪扩散思路引入分割任务，适合医学影像研究和训练微调。

为 ComfyUI 提供抠图与分割节点，集成 RMBG、BiRefNet、SAM、YOLO、GroundingDINO 等模型，可去背景并分割物体、人脸、服装。

开源三维医学影像重建软件，可读取 DICOM 与断层扫描数据，完成分割并生成三维模型，用于术前规划与影像分析。

Python 抠图 SDK，支持本地 ONNX 模型和云端两种方式去除图片背景，几行代码就能集成到图像处理流程里。

面向医学影像的智能标注与主动学习工具，在 3D Slicer 等客户端里边标注边训练模型，减少人工勾画工作量。

把 Segment Anything 模型适配到显微图像上的分割工具，支持细胞、细胞核、线粒体等结构的自动与交互式分割，并集成 napari 做可视化标注。

面向人的深度学习实用工具库，封装了 3D 目标检测、分割、传感器融合和视频合成等常用功能，省去重复造轮子。

把 SAM3 通过渐进式知识蒸馏压缩成轻量边缘模型，实现快速的可提示概念分割与跟踪，适合端侧部署。

QGIS 插件，用 Segment Anything Model 在地理栅格影像上快速分割和勾绘地貌，省去手工描边的麻烦。

面向 OCR 流程的文档版面分析工具，能自动切分页面区域、检测文本行并做二值化，为后续文字识别和 RAG 检索提供干净的结构化输入。

基于 Rust 和 ONNXRuntime 的计算机视觉与视觉语言模型库，集成 YOLO、FastVLM、OCR、SAM 等模型，方便在 Rust 项目中直接做目标检测、分割和图文理解。

用 0.1% 的数据通过剪枝和知识蒸馏把 Segment Anything 模型压缩成轻量版，大幅降低显存和计算开销，同时保持分割精度。

实现带高效注意力的 U-Net，并融合最新研究改进，适合图像生成和分割任务的训练与微调。

Ultralytics 官方 Flutter 插件，让 Android 和 iOS 应用直接跑 YOLO 实时推理，覆盖检测、分割、分类、姿态与深度估计等视觉任务。

面向计算机视觉的高性能图像增强库，支持分类、分割、检测等任务，可同步变换边界框和掩码，适合深度学习训练数据扩增。