CVPR2021纸的代码 零镜头实例分割 规范要求 的Python：python3.7 英伟达GPU pytorch1.1.0 GCC> = 5.4 NCCL 2 require.txt中的其他python库 安装 conda create -n zsi python=3.7 -y conda activate zsi conda install pytorch=1.1.0 torchvision=0.3.0 cudatoolkit=10.0 -c pytorch pip install cython && pip --no-cache-dir install -r requirements.txt python setup.py develop 数据准备 从下载zsi的训练和测试注解文件，将所有json标签文件放入 data/coco/annotations/ 下载MS

使用网络摄像头的Mask_RCNN 要求 Python>=3.4 numpy scipy Pillow cython matplotlib scikit-image tensorflow>=1.3.0 keras>=2.0.8 opencv-python h5py imgaug IPython[all] pycocotools 模型是经过训练的MS COCO数据集，并且使用了预先训练的权重（例如，使用网络摄像头对对象进行分割） 这是使用Mask-RCNN 进行对象实例分割的示例视频 在繁忙的印度道路上测试过的该模型的示例视频： : 使用Mask-RCNN测试的样本图像 可能的改进 该模型使用具有4GB内存的Nvidia 840M来实现，因此帧速率非常低。为了获得更好的帧速率，我们可以使用Nvidia Titan X或Nvidia 1080Ti。通过使用这些显卡，我们可以将当前场景的帧

1.Yolov7目标检测与实例分割的C++推理代码， 2.开发环境，开发环境是win10,OpenCV4.5,NCNN，IDE 是Vs2019。 3.关于源码配置可以看我的博客，有详细的步骤。

使用mask-rcnn进行人体实例分割和关键点检测的官方模型mask_rcnn_coco.h5，为了提高下载速度，因此在csdn上进行了上传，有需要的可以进行下载

U-net实例分割，训练自己的数据集，模型简洁，易于学习。

使用yolov7 mask进行实例分割所需要的coco2017标签文件

写脚本自动生成目标检测和实例分割的训练数据，帮忙图像方面项目，python写的，根据自己的需求可以修改，包括一些图像的增强操作，旋转膨胀腐蚀等

VisTR：使用变压器的端到端视频实例分段 这是的正式实施： 安装 我们提供了有关如何通过conda安装依赖项的说明。 首先，在本地克隆存储库： git clone https://github.com/Epiphqny/vistr.git 然后，安装PyTorch 1.6和torchvision 0.7： conda install pytorch==1.6.0 torchvision==0.7.0 安装pycocotools conda install cython scipy pip install -U 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI' pip install git+https://github.com/youtubevos/cocoapi.git#"egg=pyc

实例分割coco标注数据集.zip

输电线路杆塔、导线分割图像数据集（含分割标签，1242张图像，网盘下载链接），输电线路巡检图像数据 输电线路杆塔、导线分割图像数据集，含分割标签，1242张图像，标签文件为json格式分割标签，格式为yolo格式标签，包含杆塔、绝缘子、导线等等，可用于语义分割与实例分割！