CoDet

共现引导的开放词汇目标检测方法

CoDet是一种开放词汇目标检测方法，采用共现引导来对齐区域和词语。该方法利用大规模图像-文本对训练，在LVIS和COCO数据集上表现优异。CoDet兼容现代视觉基础模型，并可与Roboflow集成实现自动图像标注。这一方法为开放词汇目标检测领域提供了新的解决方案。

访问官网

Github

文档

论文

介绍相关项目

gRefCOCO - 泛化指代表达分割的创新数据集与评估基准

GRECGRESGithubgRefCOCO开源项目指代表达分割视觉语言模型

gRefCOCO是一个面向泛化指代表达分割（GRES）任务的数据集，支持泛化指代表达理解（GREC）和泛化指代表达分割（GRES）两项主要任务。项目提供数据集下载、使用指南、评估指标代码和基于MDETR的训练推理示例，为计算机视觉研究提供了有力工具，推动了指代分割领域的进展。

LeYOLO - 可扩展高效的目标检测CNN架构

COCO数据集GithubLeYOLO开源项目目标检测神经网络计算效率

LeYOLO是一种新型目标检测模型系列，通过创新的CNN架构设计实现了计算效率与准确性的优化平衡。该模型引入高效主干网络缩放、快速金字塔架构网络和解耦网络中的网络检测头，大幅降低计算负载。在COCO验证集上，LeYOLO-Small仅使用4.5 GFLOP就达到38.2%的mAP，比YOLOv9-Tiny减少42%计算量。LeYOLO系列具有强大可扩展性，适用于从超低计算需求(<1 GFLOP)到高效高性能(>4 GFLOPs)的多种场景。

owlv2-base-patch16 - 零样本文本对象检测，提高计算机视觉的识别效果

CLIPGithubHuggingfaceOWLv2图像编码器开放词汇物体检测开源项目模型零样本目标检测

OWLv2是一种多模态模型，通过结合CLIP的骨干和ViT样的Transformer，实现零样本文本对象检测。通过去除视觉模型的代币池层，并加入轻量级的分类和框头部，提升开放词汇分类的效果。使用公开的图像-文本数据集训练和微调，旨在优化图像与文本的匹配度。该模型目标帮助研究人员探索计算机视觉模型的鲁棒性和泛化性能，特别适用于未标注对象的识别领域，主要受众为AI研究人员

deformable-detr-DocLayNet - Deformable DETR模型实现文档布局分析基于DocLayNet数据集

Deformable DETRDocLayNetGithubHuggingface图像处理对象检测开源项目文档布局分析模型

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。

cocodr-base-msmarco - 零样本文本检索与分布鲁棒学习模型

BEIRCOCO-DRGithubHuggingface向量相似度开源项目模型模型预训练自然语言处理

COCODR是一个基于BERT-base架构的文本检索模型，通过BEIR语料库预训练和MS MARCO数据集微调而成。模型采用对比学习和分布鲁棒学习方法，解决零样本密集检索中的分布偏移问题。借助HuggingFace transformers框架，模型可用于文本嵌入和相似度计算。

Awesome-Open-Vocabulary-Semantic-Segmentation - 开放词汇语义分割研究成果汇总

CLIPGithub开放词汇开源项目深度学习计算机视觉语义分割

这是一个汇总开放词汇语义分割领域研究成果的项目。内容涵盖全监督、弱监督和无需训练等多种方法，同时收录零样本语义分割、指代图像分割和开放词汇目标检测等相关任务的论文。项目旨在为研究者提供该领域的最新进展概览。

OCR_DataSet - 综合OCR数据集资源库及工具集

Github图像标注开源项目数据集文字识别深度学习计算机视觉

OCR_DataSet项目整合了13个知名的多语言OCR数据集，涵盖ICDAR2015、MLT2019和COCO-Text_v2等。项目特色包括数据格式统一化、便捷的百度网盘下载、详尽的数据集信息表和简化的读取脚本。此外，项目还提供了数据生成工具链接，为OCR领域的研究和开发工作提供了全面的资源支持。

InstructCV - 自然语言指令引导的多任务计算机视觉模型

GithubInstructCV开源项目文本到图像生成深度学习生成扩散模型计算机视觉

InstructCV 项目通过指令调优的文本到图像扩散模型，简化了计算机视觉任务的执行方式。该项目将多个计算机视觉任务转化为文本描述的图像生成问题，并使用涵盖分割、物体检测、深度估计和分类等任务的数据集进行训练。利用大型语言模型生成任务提示，该模型从生成模型转变为指令引导的多任务视觉学习者。项目实现了多种环境配置，包括在Huggingface Spaces的Gradio演示和Google Colab的运行示例，并支持PyTorch 1.5+。

yolov10x - 高效的实时端到端物体检测工具

GithubHuggingfacePyTorchYOLOv10对象检测开源项目模型深度学习计算机视觉

YOLOv10是一个高效的端到端物体检测开源项目，支持在COCO等数据集上进行准确的训练和验证。通过整合PyTorch模型资源，用户可简便地安装和应用。本项目支持从预训练模型进行迁移学习，适合多种计算机视觉应用需求，是追求速度与精度的理想选择。

owlv2-large-patch14-ensemble - Google OWLv2模型实现零样本开放词汇目标检测

CLIPGithubHuggingfaceOWLv2开源项目模型自然语言处理计算机视觉零样本目标检测

OWLv2是Google开发的基于CLIP的零样本目标检测模型。它使用ViT-L/14架构和掩蔽自注意力Transformer分别处理图像和文本输入。通过端到端训练，OWLv2实现了开放词汇的物体分类和定位，可根据多个文本查询执行目标检测。该模型在公开数据集上训练，为计算机视觉研究提供了新的可能性。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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