Segmentation in the Wild (SegInW) 是一个计算机视觉挑战，旨在评估预训练视觉模型的迁移能力。它提出了一个新的基准，用于评估模型在多种下游分割任务上的分割准确性和迁移效率。该挑战由25个免费公开的分割数据集组成，这些数据集在roboflow.com上众包，提供了广泛的视觉数据用于模型的训练和测试。数据集包括图像、注释、分割掩码和元数据，并被分为训练集、10-shot训
--- license: apache-2.0 --- ## My Notes 📓 This repository contains my lecture notes from graduate school on following topics 👇🏼 - Data Science: 8 cheatsheets - Machine Learning (follows [Tom Mitch
