一个C++背景剔除库,提供了适用于Python、MATLAB、Java以及QT图形界面语言的接口。
foreground-detection 开源项目推荐(31 个)
foreground-detection 话题在 GitHub 上没有填写简介,这里按 Star 数汇总最相关的热门仓库。
热门项目 前 20
按 Star 数排序展示前 20 个 · GitHub 共 31 个仓库背景减除相关论文与资源的精选列表
FgSegNet:前景分割网络,使用卷积神经网络进行多尺度特征编码的前景分割
用于 Android 的前台应用检测库。
FgSegNet_v2:“学习多尺度特征以实现前景分割。”作者:Long Ang LIM 和 Hacer YALIM KELES
使用 TensorFlow、OpenCV 和 Python 构建的卷积神经网络进行手势识别。
基于 TensorFlow 上 Keras 的简化版 Deep Image Matting 训练代码。
IMTSL——增量式多特征张量子空间学习。
用于论文《Foreground Segmentation for Anomaly Detection in Surveillance Videos Using Deep Residual Networks》的 PyTorch 代码(SBRT 2017)。
一个旨在将基于音频的“弱”标签转换为“强”片段内标签的仓库。提供用于将自动逐时刻标签与人工标签进行比较的流水线。方法涵盖基于 DSP 的前景-背景分离、基于互相关的模板匹配,以及鸟类存在声音事件检测深度学习模型!
用于分割和显著性预测的 PyTorch 实现。
使用 RPCA 与 ADMM 算法在视频中执行前景检测。
运动相机拍摄视频中的前景检测,论文《Real-Time Hysteresis Foreground Detection in Video Captured by Moving Cameras》的源代码。
为大学课程用 Python 实现的少量计算机视觉算法。
提取人脸或图像前景,移除/替换图像背景。
NeuroSense——基于先前最先进(SOTA)研究,利用高斯混合模型检测和分析前景运动,尤其关注称为肌束颤动的非自主抽动样运动。该工具有助于准确识别这些运动,支持神经肌肉疾病研究。
该项目在 GitHub 上没有填写描述
一种车辆检测方法,可提供有关道路中交通模式、碰撞发生和交通高峰时段的相关信息。使用 MATLAB R2017a 构建。
Robust PCA 的 Python 实现。
使用专为 naiba-keling-picture 3.0 Omni 模型定制的五层电影化框架,生成专业电影级 AI 图像提示词。
关于这个话题
- 清单取自 GitHub 话题页并按 Star 数排序,每次展示前 20 个项目;原始页面见 https://github.com/topics/foreground-detection。
- 该话题在 GitHub 上共有 31 个仓库, 本站收录的是其中最热门的 20 个,不是全量列表。
- Star / Fork 每日自动刷新一次,实时数据以 GitHub 为准。
- 当前 20 个项目累计 3778 Star,覆盖 6 种主要语言,数据更新于 2026-11-07。
- 中文介绍来自 GitHub 官方话题说明(github/explore)的机器翻译,可点「查看原文」对照;译文缺失时会先展示原文。