eomt

仅编码器搞定图像分割，又快又准

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署计算机视觉 🍴 复刻 65 🐛 待处理 2 👀 关注 11

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 645

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，代码和模型完全免费，无付费版本。

项目预览

项目数据

分类计算机视觉

开发团队tue-mps

官网地址https://www.tue-mps.org/eomt

GitHubhttps://github.com/tue-mps/eomt

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，代码和模型完全免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型eomt,image-segmentation,instance-segmentation,panoptic-segmentation,segmentation,transformers,vision-transformer,vit

GitHub 星标★ 645

上线时间2024-12-02 00:00:00

代码更新2026-10-12

仓库体积5.5 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-10

浏览次数8

项目介绍

EoMT（Encoder-only Mask Transformer）是一个CVPR 2025 Highlight项目，提供仅编码器的掩码Transformer官方实现，用于图像分割任务，包括实例分割和全景分割。它解决了传统掩码Transformer依赖解码器导致计算开销大的问题，通过创新的编码器架构直接生成掩码，显著提升推理效率。核心能力包括高精度分割、快速推理和内存效率优化，支持主流视觉Transformer骨干网络。项目提供完整训练和评估代码，以及预训练模型，便于复现和二次开发。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 645

技术标签

image-segmentation instance-segmentation segmentation transformers vision-transformer

使用教程

难度：高级约 120 分钟部署方式：本地GPU 5 步

环境要求

GPU 24G 显存
Python 3.13
分割数据集

安装与启动步骤

1建环境

官方指定 Python 3.13，是较新的版本，注意其他依赖是否跟上。
```
conda create -n eomt python==3.13.2
```
2装依赖

分割任务的训练依赖较重，装完先确认能 import。
```
python3 -m pip install -r requirements.txt
```
3准备数据

配置里指向分割数据集，格式按仓库给的转换脚本处理。
4训练

用它的训练入口起训，先小规模确认 loss 下降。
```
python3 main.py fit
```
5评测

再用评测入口出指标，报告里要说明是在哪个数据集划分上。
```
python3 main.py validate
```