T-Rex

融合文本和视觉提示的通用目标检测模型

T-Rex2是一款融合文本和视觉提示的通用目标检测模型。它突破传统模型局限，具备零样本检测能力，适用于农业、工业和生物医学等领域。该模型支持交互式视觉提示、通用视觉提示和文本提示三种工作流程，满足多样化的目标检测需求。项目提供在线演示和API接口，便于快速体验和集成。

访问官网

Github

文档

论文

介绍相关项目

Grounded-Segment-Anything - 融合文本引导的开放世界目标检测与分割工具

GithubGrounded-SAM图像分割开源项目目标检测视觉AI

Grounded-Segment-Anything项目结合了Grounding DINO和Segment Anything模型的优势，能够根据文本提示检测和分割图像中的任意物体。该工具为开放世界场景中的目标检测和分割任务提供了有效解决方案，支持自动标注、3D人体网格重建和图像编辑等多种应用。通过提高检测和分割精度并提升工作效率，Grounded-Segment-Anything为计算机视觉领域带来了显著进展。

omdet-turbo-swin-tiny-hf - 实时开放词汇目标检测模型支持批量多任务处理

GithubHuggingfaceOmDet-Turbo图像识别开源项目机器学习模型目标检测零样本分类

这是一款基于Transformer的开放词汇目标检测模型。它支持零样本检测，能够识别指定的任意类别目标。该模型的特色在于支持批量处理多张图像，允许为每张图像设置不同的检测类别和任务描述。通过简洁的API接口，该模型可以方便地集成到各种计算机视觉应用中，实现高效的实时目标检测。

xtreme1 - 开源多模态训练数据平台，专注于数据标注、管理和本体管理，支持计算机视觉和大模型项目

AI驱动工具GithubXtreme1多模式训练数据开源项目数据标注计算机视觉

Xtreme1是一款开源多模态训练数据平台，专注于数据标注、管理和本体管理，支持计算机视觉和大模型项目。凭借AI驱动工具，高效进行2D/3D物体检测、分割及LiDAR-摄像头融合，提升效率。平台具有强大的数据管理和质量监控功能，并提供模型结果可视化，辅助模型评估。Xtreme1云端版本长期免费，安装方便，兼容多种操作系统和硬件。

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。

trocr-base-printed - 基于Transformer的OCR模型专注印刷文本识别

GithubHuggingfaceTrOCRTransformer模型光学字符识别图像转文本开源项目模型自然语言处理

TrOCR是一种基于Transformer的光学字符识别模型，专门针对印刷文本设计。该模型采用图像Transformer编码器和文本Transformer解码器架构，在SROIE数据集上经过微调。TrOCR能高效处理单行文本图像，为OCR任务提供先进解决方案。这个开源项目适用于多种场景，可轻松集成到各类文本识别应用中。

MaskDINO - 统一的Transformer架构革新目标检测与分割任务

GithubMask DINOtransformer图像分割开源项目深度学习目标检测

MaskDINO项目提出统一的Transformer架构，整合目标检测、全景分割、实例分割和语义分割任务。该架构实现检测与分割的协同，并在COCO、ADE20K和Cityscapes等主要数据集上取得领先成果。在相同条件下，MaskDINO的性能超越了现有方法，展现出在视觉任务中的卓越潜力。

PaddleDetection - 目标检测套件支持多任务开发部署

GithubPaddleDetectionPaddlePaddle开源项目深度学习目标检测计算机视觉

PaddleDetection是基于PaddlePaddle的目标检测开发套件，支持通用、小目标、旋转框等多种检测任务。它提供PP-YOLOE、PP-PicoDet等高性能模型和丰富的模型组件，注重产业应用，帮助开发者实现从数据准备到模型部署的全流程开发。

TF-ID - 开源AI模型助力学术论文表格和图像高效提取

GithubTF-ID图像识别学术论文对象检测开源项目表格识别

TF-ID是一系列用于从学术论文中提取表格和图像的目标检测模型。项目开源了训练代码、模型权重和标注数据集。TF-ID包含四个版本，分为基础和大型模型，可提取有无标题文本的表格和图像。模型基于Florence-2微调，测试准确率达98.06%。项目提供使用示例和完整训练指南，方便研究者复现和应用。

torchxrayvision - 胸部X光影像分析工具库

GithubTorchXRayVision开源项目数据集深度学习胸部X光预训练模型

TorchXRayVision是一个开源的胸部X光影像分析工具库,为多个公开数据集提供统一接口和预处理流程。它包含多种预训练模型,可用于快速分析大型数据集、实现少样本学习,以及在多个外部数据集上评估算法性能。该库旨在简化胸部X光影像研究工作流程,提高分析效率。

C-Tran - Transformer在多标签图像分类中的应用

GithubTransformers图像分类多标签分类开源项目深度学习计算机视觉

C-Tran是一个探索Transformer在多标签图像分类中应用的开源项目。该项目提出了一种通用多标签图像分类方法，在COCO80和VOC20等数据集上展现出优秀性能。项目包含完整的训练和运行指南，涵盖数据处理和模型训练等关键步骤。C-Tran为计算机视觉领域提供了新的研究方向，对推进多标签图像分类技术具有重要意义。

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