Logo
Project Icon

deformable-detr-DocLayNet

Deformable DETR模型实现文档布局分析 基于DocLayNet数据集

图像处理对象检测Huggingface模型DocLayNetGithub开源项目Deformable DETR文档布局分析

这是一个基于Deformable DETR架构的文档布局分析模型，在DocLayNet数据集上训练。该模型可检测和分类11种文档布局元素，在DocLayNet测试集上实现57.1 mAP。它采用transformer编码器-解码器结构，结合CNN主干网络，使用双向匹配损失训练。此模型可用于文档布局分析任务，也可集成到Aryn分区服务等应用中。

访问官网访问官网GithubGithubHuggingfaceHuggingface文档文档论文论文
介绍相关项目
deplot - 创新图表理解技术实现一次性视觉语言推理
DePlotGithubHuggingface图像转文本图表问答大语言模型开源项目模型视觉语言推理
DePlot是一种创新的视觉语言推理模型，通过将图表转换为线性化表格实现图表到文本的转换。该模型将推理过程分为图表到文本转换和文本推理两个步骤。DePlot能与预训练大型语言模型无缝集成，在人工编写的查询任务中，仅需一次提示就比现有最先进模型提升24.0%的性能。这一突破性技术为图表理解和视觉问答领域带来新的发展方向。
AdelaiDet - 多任务实例级识别开源工具包
AdelaiDetGithub实例分割开源项目深度学习目标检测计算机视觉
AdelaiDet是基于Detectron2的开源工具包,实现了FCOS、BlendMask、MEInst、ABCNet等多种实例级识别算法。它为目标检测、实例分割、场景文本识别等任务提供高性能解决方案,包含预训练模型和训练接口,便于研究和开发。
deep-high-resolution-net.pytorch - 基于PyTorch的官方实现，专门用于人体姿态估计的深度学习模型
GithubHRNet人体姿态估计关键点检测开源项目深度学习高分辨率表示
deep-high-resolution-net.pytorch 项目提供了一个基于PyTorch的官方实现，专门用于人体姿态估计的深度学习模型。项目支持多个标准数据集，验证了其可靠性与准确性，也适应于多种视觉任务如图像分类及目标检测等。
Det3D - 提供多数据集和算法支持的3D目标检测工具箱
3D对象检测Det3DGithubKITTIPointPillarsPyTorch开源项目
Det3D是一款基于PyTorch的3D目标检测工具箱，支持多个数据集如KITTI、nuScenes、Lyft，并实现了多种3D目标检测算法如PointPillars、SECOND、PIXOR等。其特点包括高性能、支持分布式训练和同步批归一化，以及灵活的模型配置和可视化工具。Det3D适合自动驾驶、机器人和增强现实等领域的研究人员和开发者。
subnet9_best - 深度学习模型评估与文档标准化模板
GithubHuggingfacetransformers开源项目机器学习模型模型文档模型训练模型评估
该项目提供了一个标准化的深度学习模型文档模板，涵盖模型描述、应用场景、潜在风险、训练过程和评估方法等关键信息。模板旨在提高模型文档的完整性和透明度，便于开发者记录和用户理解。此外，模板还包含了环境影响评估和技术规格等特色内容，有助于全面了解模型特性。
nnDetection - 自适应医学目标检测框架
GithubnnDetection医学目标检测开源项目深度学习自动配置计算机辅助诊断
nnDetection是一个自适应医学目标检测框架,能够自动配置以适应不同医学检测任务。该框架在ADAM和LUNA16等公共基准测试中展现出与顶尖方法相当或更优的性能。项目支持Docker容器和本地安装,提供多个医学数据集的处理指南,便于复现实验结果和集成新数据集。nnDetection为医学目标检测研究提供了标准化接口和自动化工作流程。
doctr-torch-parseq-multilingual-v1 - 多语言OCR解决方案，兼具TensorFlow 2和PyTorch兼容性
DoctrGithubHuggingfacePyTorchTensorFlow 2光学字符识别开源项目模型模型预测
该项目是一种多语言光学字符识别（OCR）工具，支持TensorFlow 2和PyTorch，提供了流畅的用户体验。开发者可通过Python代码方便地加载和预测模型，实现从文字检测到识别的完整流程，非常适合需要多语言处理的应用。
Stable-DINO - 基于稳定匹配的高性能目标检测模型
COCO数据集GithubStable-DINO开源项目深度学习目标检测计算机视觉
项目采用稳定匹配算法，结合检测变压器架构，在目标检测领域取得突破。模型在COCO数据集上实现63.8 AP，具有高性能、易用性和低计算开销等特点。Stable-DINO可与现有DETR变体整合，并在多种backbone下表现出色。该技术不仅适用于目标检测，还可扩展到实例分割等相关任务。
surya_layout2 - Surya项目的专用布局引擎模型
GithubHuggingfacesurya布局模型布局设计开源项目模型软件开发
这是一个专门为Surya开源项目开发的布局模型组件，用于优化Surya项目的布局架构设计。该模型提供了基础的布局功能支持，帮助开发者更好地使用Surya项目。
MIMDet - 掩码图像建模应用于目标检测的开源项目
GithubMIMDet卷积神经网络实例分割开源项目物体检测视觉变换器
MIMDet是一个利用掩码图像建模技术的开源项目，能够提升预训练的Vanilla Vision Transformer在目标检测中的表现。此框架采用混合架构，用随机初始化的卷积体系取代预训练的大核Patchify体系，实现多尺度表示无需上采样。在COCO数据集上的表现亮眼，使用ViT-Base和Mask R-CNN模型时，分别达到51.7的框AP和46.2的掩码AP；使用ViT-L模型时，成绩分别是54.3的框AP和48.2的掩码AP。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号