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

Github

Huggingface

介绍相关项目

DAMO-YOLO - 基于YOLO系列和嵌入包括神经网络架构搜索及轻量级算法在内的多项新技术的对象检测算法

DAMO-YOLOGithub开源项目性能优化检测模型目标检测算法更新

DAMO-YOLO, 阿里巴巴DAMO实验室的先进对象检测技术，基于YOLO系列和嵌入包括神经网络架构搜索及轻量级算法在内的多项新技术，以优化性能和效率。针对广泛行业场景，提供一站式解决方案，从训练到部署全面支持。

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。

vit_giant_patch14_dinov2.lvd142m - 基于Vision Transformer的无监督视觉特征提取模型

DINOv2GithubHuggingfaceVision Transformer图像分类图像特征提取开源项目模型自监督学习

该项目介绍了使用DINOv2方法的Vision Transformer（ViT）模型，通过无监督学习在LVD-142M数据集上进行预训练。这一模型适用于图像分类和嵌入，帮助提取稳健的视觉特征以及实现高效的图像识别。ViT模型的参数量为1136.5M和1784.2 GMACs，显现出其出色的性能和灵活性。用户可以在GitHub查看和下载该模型的代码和更多资源。

yolov7 - 实时目标检测算法实现性能新突破

GithubYOLOv7开源项目性能优化深度学习目标检测计算机视觉

YOLOv7是一款高效的实时目标检测算法，在MS COCO数据集上实现了51.4% AP的性能。该项目提供多种模型变体，包括YOLOv7-X和YOLOv7-W6等，适用于不同应用场景。此外，YOLOv7还具备姿态估计和实例分割功能，支持多GPU训练、迁移学习和模型导出，是一个全面的目标检测解决方案。

detr-resnet-50 - DETR 基于Transformer的创新目标检测模型

COCO数据集DETRGithubHuggingfaceResNet-50Transformer开源项目模型目标检测

DETR-ResNet-50是一种创新的目标检测模型，融合Transformer架构与ResNet-50骨干网络。该模型采用端到端训练方法，简化了传统目标检测流程。经COCO 2017数据集训练后，DETR能高效检测和定位图像中的多个物体，在目标检测任务中实现42.0的平均精度（AP）。其简洁设计和卓越性能为计算机视觉领域带来新的可能。

Groma - 多模态大语言模型Groma的视觉定位技术

GithubGroma区域理解多模态大语言模型开源项目视觉上下文视觉标记

Groma是一款多模态大语言模型，具有出色的区域理解和视觉定位功能，能够处理用户定义的区域输入并生成基于视觉内容的长文本回答。Groma采用独特的视觉标记和外部模块进行定位，在多模态引用表达理解基准方面表现优秀，并提供详细的安装、数据准备和训练指南，方便用户进行自定义训练。

openscene - 零样本3D场景理解和任务执行工具

3D场景理解CVPR 2023GithubOpenScene开源项目语义分割零样本

OpenScene是一个实时交互的3D场景理解工具，支持使用开放词汇进行查询。用户可输入任意短语，系统会自动高亮相应区域。支持多种数据集和预处理选项，可执行零样本3D语义分割、稀有物体搜索和基于图像的3D物体检测。其特点包括无需GPU运行、支持多视角特征融合和模型蒸馏。所有代码和数据集均可在GitHub获取，适用于广泛的研究和开发应用。

DeepSeek-VL - 高性能开源视觉语言模型多模态理解与复杂场景应用

DeepSeek-VLGithub人工智能多模态理解开源开源项目视觉语言模型

DeepSeek-VL是一个开源视觉语言模型，为实际应用场景而设计。它能处理逻辑图表、网页、公式、科学文献、自然图像等，并在复杂场景中展现智能。模型提供1.3B和7B两种参数规模，支持基础和对话应用，可用于学术研究和商业用途。DeepSeek-VL采用MIT许可证，为研究人员和开发者提供了强大的视觉语言处理工具。

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。

Segment-Any-Anomaly - 基于混合提示正则化的零样本异常分割方法

GithubSAA+图像处理开源项目异常分割计算机视觉零样本学习

Segment-Any-Anomaly项目提出了一种基于混合提示正则化的零样本异常分割方法。该方法通过适配Grounding DINO和Segment Anything等基础模型，实现了对多种异常检测数据集的高效分割。项目在MVTec-AD、VisA等公开数据集上展现出优秀性能，并在VAND工作坊竞赛中取得佳绩。仓库包含完整代码实现、演示和使用说明，便于研究者复现和应用。

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