u-net实现语义分割、keras框架、python 10个类别+1类背景信息、m2nist数据集 训练样本： train_x（4900，64，84） train_y（4900，64，84，11）

图像分割的高性能模型unet 的进化再进化版本！ unet经过无数学者的“摧残”后，得到了很多个版本，并且性能总体上得到了可观的提升。 该压缩包里包括unet3+的原文论文与中文机翻，有需要的可以自行下载。

U-Net脑肿瘤分割 :rocket: ：2019年2月此仓库中的数据处理实现不是最快的方式（代码需要更新，欢迎您提供），您可以改用TensorFlow数据集API。 此仓库向您展示了如何训练U-Net进行脑肿瘤分割。 默认情况下，您需要下载数据集的训练集，该训练集具有210 HGG和75 LGG卷，并将data文件夹与所有脚本一起放置。 data -- Brats17TrainingData -- train_dev_all model.py train.py ... 关于数据 请注意，根据许可证，用户必须从BRAST应用数据集，请不要与我联系以获取数据集。 非常感谢。 图1：大脑图像

UNet 3 A Full-Scale Connected UNet for Medical Image

该部分代码包含：肺部气管树的完整分割。医学文件的读取、数据的预处理、肺部分割、气管树分割和数据测试等部分。

tf_unet：用于图像分割的通用U-Net Tensorflow实现

Unet通常应用到单类别的语义分割，经过调整后该代码适合于多类别的语义分割。对应博客：https://blog.csdn.net/brf_UCAS/article/details/112383722

unet网络实现图像分割

适合于 UNet、PUN、PUN2 和 Mirror 的简单拖放式设置。无需编码！ 轻松通过网络上实现平滑的刚体和变形。只需将 SmoothSyn 脚本添加到任何对象中，然后就领略它顺滑的效果吧。 我们致力于改进所有场景下的 NetworkTransform 性能。 Smooth Sync 在配置上具有更大的灵活性，仅使用较少的带宽，便为你提供了更流畅、更准确的对象同步。 适合于同步任何移动的物体。车辆、角色控制器，甚至是物理控制的对象。低发送率下也有很好的效果。

3D的unet CNN网络，用于3D图像的分割。效果还是不错的