双重注意力网络：中科院自动化所提出新的自然场景图像分割框架（附源码）。本文提出了一个新的自然场景图像分割框架，以往的方法更为灵活、有效，在三个场景分割数据集Cityscapes、PASCAL Context 和 COCO Stuff上取得了当前最佳分割性能。

论文: Brain tumor segmentation using deep learning | Gal Peretz , Elad Amar

语音分割与语音聚类 speaker segmentation and clustering

PyTorch中的语义分割 此仓库包含一个PyTorch，用于不同数据集的不同语义分割模型的实现。 要求 在运行脚本之前，需要先安装PyTorch和Torchvision，以及用于数据预处理的PIL和opencv和用于显示培训进度的tqdm 。 支持PyTorch v1.1（使用新的受支持的Tensoboard）； 可以使用更早期的版本，但不要使用tensoboard，而要使用tensoboardX。 pip install -r requirements.txt 或本地安装 pip install --user -r requirements.txt 主要特点 清晰易用的结构， 一个j

著名的伯克利分割数据集。 注:（1）彩色图像数据集 （2）适用于传统的图像分割（OTSU法、最大熵法等） （3）公共免费的数据集

医学图像分割代码 3DVNET

脑核磁分割AI mr brain_segmentation

keras语义分割FCN实现 FCN32 unet segnet实现 代码已经跑通，现在把源码分享，h5文件太大了，只能单独上传了，后续需要把h5文件加到对应的地方就可以运行啦，py36版本

皮肤癌分割-ISIC2018 使用Unet和Mask R-CNN对皮肤病变（黑色素瘤）病变进行分割。 任务：病变分割 Unet：seg_unet.ipynb 损失：0.147 精度：0.946 jaccard_distance：0.723 灵敏度：0.878 特异性：0.97 面罩-RCNN：seg_mask_RCNN.ipynb

UNet 3 A Full-Scale Connected UNet for Medical Image