segmentation_models.pytorch

一行代码调用 500+ 预训练分割模型，快速搭建语义分割流水线。

segmentation_models.pytorch 是一个基于 PyTorch 的语义分割模型库，提供 500+ 预训练骨干网络（涵盖卷积和 Transformer 架构），并集成多种主流分割架构（如 U-Net、FPN、DeepLabV3、PSPNet 等）。它解决了研究人员和工程师在语义分割任务中重复搭建模型、加载预训练权重繁琐的问题，通过统一 API 即可快速创建、训练和评估分割模型。核心能力包括：丰富的骨干网络选择（ResNet、EfficientNet、ViT 等）、灵活的编码器-解码器设计、支持多分类和二分类任务、内置常用损失函数和指标计算。项目代码简洁、文档齐全，适合快速原型验证和生产部署。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 11699

维护状态活跃

是否开源是

定价模式 free

项目数据

分类计算机视觉

开发团队qubvel-org

所属国家

官网地址

GitHubhttps://github.com/qubvel-org/segmentation_models.pytorch

定价模式free

价格说明开源项目，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型computer-vision,deeplab-v3-plus,deeplabv3,dpt,fpn,image-processing,image-segmentation,imagenet,models,pretrained-weights,pspnet,pytorch,segformer,segmentation,segmentation-models,semantic-segmentation,transformers,unet,unet-pytorch,unetplusplus

GitHub 星标★ 11699

30天Star增速

HF 下载量

上线时间2019-03-01 00:00:00

最近更新2026-08-19 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数0

核心亮点

提供 500+ 预训练骨干，覆盖 CNN 和 Transformer，选择丰富
统一 API 设计，切换不同分割架构（U-Net、FPN 等）只需改一行参数
内置多种损失函数和评估指标，开箱即用，减少重复开发

不足之处

文档/社区待观察
部分新模型（如最新 ViT 变体）更新可能滞后

适用场景

学术研究中的语义分割实验对比
工业项目中的图像分割快速原型开发
教学场景中演示不同分割架构的效果差异

替代项目

MMSegmentation、torchvision、segmentation_models

项目介绍

segmentation_models.pytorch 是一个计算机视觉领域的开源项目，官方简介：Semantic segmentation models with 500+ pretrained convolutional and transformer-based backbones.。项目使用 Python 开发，在 GitHub 上获得 11685 星标。

上一篇：colmap

下一篇：kornia