基于SegNet实现了车道线的识别。里面包含已经训练好的模型。

SegNet-PyTorch 该项目是的SegNet的实现，您可以通过访问作者提供的演示来找到更多详细信息。 环境 Ubuntu的：16.04 火炬：0.4.0 的Python：3.6.1 运行项目 sh run.sh

Remote_Sensing_Satellite_Map_Segmentation 使用Segnet，SLIC和CRF对轻云和厚云的像素进行分类。

1、利用VGGnet提取图片特征 2、利用segnet进行decoder 3、使用tensorflow里面kereas里面神经网络八步法，一步一步教你训练自己的模型 4、提供了用于训练和验证的数据集 5、网络注释清晰，方便二次开发和修改

【Keras】基于SegNet和U-Net的遥感图像语义分割-附件资源

segnet权重

图像分割Keras：在Keras中实现Segnet，FCN，UNet，PSPNet和其他模型。 在Keras中实现各种深度图像分割模型。 链接到包含教程的完整博客文章： : 有效的Google Colab示例： Python介面： : CLI界面： ： 我们的其他仓库 Keras模型中的阶梯网络仅使用100个带标签的示例即可在MNIST上实现98％的测试准确性 杰出贡献者 Divam Gupta 鲁纳克（Rounaq Jhunjhunu）瓦拉 马里乌斯·贾斯顿 JaledMC 楷模 支持以下模型： 型号名称 基本型号 细分模型 fcn_8 香草CNN FCN8 fcn_32 香草CNN FCN8 fcn_8_vgg VGG 16 FCN8 fcn_32_vgg VGG 16 FCN32 fcn_8_resnet50 Resnet-50 F

在剑桥驾驶的标记视频数据库（CamVid）上使用Tensorflow 2 GPU进行多类语义分割 该存储库包含用于CamVid数据集的多类语义分割的多个深度学习模型（U-Net，FCN32和SegNet）的实现。 实施tensorflow 2.0 Aplha GPU软件包 包含用于图像分类/检测/分段的通用计算机视觉项目目录创建和图像处理管道

基于segnet模型的对cityscapes数据集的语义分割代码实现

Segnet是用于语义像素级分割的深层全卷积神经网络体系结构。 这是实现（除了Upsampling层，在论文中，纸张使用了尚未在keras中实现的基于索引的upsampling（我正在研究），但这不应该使差异很大）。 您可以直接从下载代码。 这篇文章解释了代码中正在发生的事情。