Logo
Project Icon

GroundingDINO

语言驱动的开放集目标检测模型

Grounding DINO目标检测开放集检测语言指导计算机视觉Github开源项目

GroundingDINO是一个基于语言的开放集目标检测模型,能够检测图像中的任意物体。该模型在COCO数据集上实现了零样本52.5 AP和微调后63.0 AP的性能。GroundingDINO支持CPU模式,可与Stable Diffusion等模型集成用于图像编辑,还能与SAM结合实现分割功能。此外,项目提供了丰富的演示和教程资源,为开放世界目标检测领域带来了新的解决方案。

访问官网访问官网GithubGithubHuggingfaceHuggingface文档文档论文论文
介绍相关项目
rad-dino - 胸部X光图像自监督编码的视觉转换器模型
GithubHuggingfaceRAD-DINO医学图像编码开源项目模型胸部X光自监督学习视觉转换器模型
RAD-DINO是一个基于DINOv2自监督学习方法的视觉转换器模型，专用于胸部X光图像编码。作为视觉主干，它支持图像分类、分割、聚类和检索等多种下游任务。该模型由Microsoft Health Futures开发，使用5个公开胸部X光数据集共882,775张图像训练而成。RAD-DINO作为通用医学影像编码器，能够在无需文本监督的情况下有效捕获胸部X光的关键特征。
vit_small_patch8_224.dino - 基于自监督DINO的图像特征提取Transformer
GithubHuggingfaceVision Transformer图像分类开源项目模型模型比较特征提取自监督学习
项目提供了一种自监督DINO方法的Vision Transformer模型，用于图像特征提取。具有21.7M参数和16.8 GMACs运算量，预训练数据为ImageNet-1k。适用于多种视觉任务，支持通过PyTorch和timm库实现，确保高效处理。这项技术在视觉Transformer领域表现出色。
detr-resnet-50-panoptic - DETR模型：结合ResNet-50的端到端目标检测与全景分割
DETRGithubHuggingfaceTransformer开源项目模型目标检测计算机视觉语义分割
DETR-ResNet-50是一种创新的目标检测模型，融合了Transformer和卷积神经网络技术。该模型在COCO数据集上训练，支持端到端的目标检测和全景分割。通过100个对象查询机制，DETR实现了高效准确的目标识别。在COCO 2017验证集上，模型展现出优秀性能：框AP为38.8，分割AP为31.1，全景质量(PQ)达43.4。这一模型为计算机视觉任务提供了新的解决方案。
d2-net - 深度学习驱动的联合特征检测与描述
CNND2-NetGithub开源项目深度学习特征提取计算机视觉
D2-Net是一个用于联合检测和描述局部图像特征的卷积神经网络模型。该项目提供模型实现、预训练权重、特征提取脚本和MegaDepth数据集训练流程。D2-Net在图像匹配和3D重建等计算机视觉任务中表现优异，提高了特征提取的准确性和效率。项目支持多尺度特征提取，并包含在不同数据集上训练的模型权重。
detr - Transformer架构重塑目标检测流程
DETRGithubTransformer开源项目深度学习目标检测计算机视觉
DETR项目运用Transformer架构创新性地改进了目标检测方法。该方法将传统的复杂流程转化为直接的集合预测问题，在COCO数据集上达到42 AP的性能表现，同时计算资源消耗减半。DETR结合全局损失函数与编码器-解码器结构，实现了图像的高效并行处理，大幅提升了目标检测的速度和准确性。项目开源了简洁的实现代码和预训练模型，便于研究人员进行深入探索和实际应用。
Depth-Anything-V2-Large-hf - 高效精准的单目深度估计AI模型
Depth Anything V2GithubHuggingface图像处理开源项目模型深度估计神经网络计算机视觉
Depth-Anything-V2-Large-hf是一个基于DPT架构和DINOv2骨干网络的单目深度估计模型。通过大规模合成和真实图像训练，该模型在深度估计精度和效率上取得了显著进展。它提供更细腻的深度细节，具有更强的鲁棒性，同时比基于稳定扩散的模型效率提高10倍。作为计算机视觉领域的有力工具，该模型可应用于零样本深度估计等多种任务。
deformable-detr - 使用ResNet-50骨干网络实现的Deformable DETR目标检测模型
COCO 2017Deformable DETRGithubHuggingfaceHungarian算法卷积神经网络开源项目模型物体检测
Deformable DETR模型依托ResNet-50骨干网络，实现了高效的端到端目标检测。通过变形Transformer机制，它能够有效处理并识别图像中的复杂对象。此模型在COCO 2017数据集上经过充分训练，采用目标查询匹配和双重损失优化技术，显著提高了检测精度。适用于高效目标检测场景。
mmdetection - MMDetection：基于PyTorch的高效目标检测工具箱
GithubMM-Grounding-DINOMMDetectionOpenMMLabPyTorchRTMDet开源项目
MMDetection是一款专为目标检测、实例分割和全景分割任务设计的工具箱，采用模块化设计，支持多种检测任务，具备高效GPU运算能力。其性能与其他顶级代码库相媲美，且不断保持前沿。结合COCO挑战赛冠军经验，MMDetection提供先进的检测结果，并与MMEngine和MMCV无缝整合，进一步提升研究和应用效果。最新的RTMDet模型在参数-准确率优化及实时实例分割和旋转目标检测上表现出色。
vit_base_patch16_224.dino - 自监督训练的ViT模型实现高效图像特征提取
DINOGithubHuggingfaceVision Transformer图像分类开源项目模型特征提取自监督学习
vit_base_patch16_224.dino是一个基于Vision Transformer架构的图像特征提取模型。该模型采用自监督DINO方法在ImageNet-1k数据集上预训练，可用于图像分类和特征提取。模型包含8580万参数，支持224x224像素的输入图像。通过timm库，研究人员可以便捷地将其应用于多种计算机视觉任务，深入探索自监督学习在视觉领域的潜力。
dino-vits8 - 采用DINO训练的自监督Vision Transformer模型
DINOGithubHuggingfaceVision Transformer图像分类开源项目模型自监督学习预训练
小型Vision Transformer模型使用DINO自监督方法训练，专为ImageNet-1k数据集预训练。模型通过8x8像素的固定大小图像块输入，用于图像表征，无需微调便可用于图像分类任务。ViT模型适合下游任务的特征提取，并可通过线性层进行分类。用户可在Hugging Face上找到适合特定任务的微调版本。
相关项目
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