segmentation_models.pytorch：一個高階 PyTorch 函式庫，用於影像語意分割，提供超過 800 個預訓練編碼器

它解決了什麼問題

此函式庫提供了一種簡化的方式來實作影像語意分割，免除必須從頭手動構建複雜編碼器‑解碼器架構的需求。它簡化了選擇、初始化與訓練神經網路的流程，讓模型能夠辨識並勾勒出影像中特定物件的輪廓。

它如何運作

此函式庫作為 PyTorch 的高階封裝，允許使用者透過將預訓練編碼器（骨幹）與特定解碼器架構結合，來建立分割模型。它會從編碼器中擷取中間特徵，並將這些特徵輸入解碼器，以產生分割遮罩。函式庫同時內建支援常見的分割指標與損失函式（如 Dice、Jaccard），並支援 ONNX 匯出以便部署。

適用對象

此函式庫設計給從事電腦視覺任務的開發者與研究者，特別是需要執行二元或多類別影像分割的情境，例如背景移除或醫學影像分析。

重點特色

• 豐富的模型庫：支援 12 種不同的編碼器‑解碼器架構，包括 Unet、Unet++、Segformer 與 DeepLabV3+。
• 龐大的編碼器選擇：提供超過 800 個預訓練編碼器，並支援 timm 函式庫。
• 簡易整合：高階 API 只需兩行程式碼即可建立完整的神經網路。
• 彈性配置：支援自訂輸入通道（例如灰階影像），以及可選的輔助分類輸出。
• 部署就緒：相容於 torch script、trace、compile 與 ONNX 匯出。