KL-Loss

创新边界框回归提升物体检测精度

KL-Loss提出了一种新型边界框回归损失函数,同时学习边界框变换和定位方差。该方法显著提高了物体检测的定位精度,几乎不增加计算量。在MS-COCO数据集上,KL-Loss将多种检测架构的平均精度(AP)提升1.8%-5.5%,尤其在高IoU阈值下表现出色,大幅超越现有方法。

访问官网

Github

论文

介绍相关项目

YOLOX - 无锚目标检测算法YOLOX，设计简洁性能优越

GithubMegEnginePyTorchYOLOXanchor-freeobject detection开源项目

YOLOX是一种无锚版YOLO，设计简洁，性能更优，旨在弥合研究与工业界的差距。项目基于PyTorch实现，并提供MegEngine版本。支持可视化工具、JIT编译、快速训练优化等多项更新。未来计划推出YOLOX-P6、大模型、Objects365预训练和Transformer模块等功能。通过融合ONNX、TensorRT、OpenVINO等多种部署方案，满足不同应用场景需求。

InternImage - 突破大规模视觉基础模型性能极限

GithubInternImage图像分类大规模视觉模型开源项目目标检测语义分割

InternImage是一款采用可变形卷积技术的大规模视觉基础模型。它在ImageNet分类任务上实现90.1%的Top1准确率,创下开源模型新纪录。在COCO目标检测基准测试中,InternImage达到65.5 mAP,成为唯一突破65.0 mAP的模型。此外,该模型在涵盖分类、检测和分割等任务的16个重要视觉基准数据集上均展现出卓越性能,树立了多个领域的新标杆。

Video-LLaVA - 视频多模态模型，具备像素级定位能力

GithubLMMPG-Video-LLaVA像素级别定锚开源项目视频理解音频上下文

PG-Video-LLaVA通过模块化设计，首次实现视频多模态模型具备像素级定位能力。该框架使用现成的追踪器和创新的定位模块，能够根据用户指令在视频中实现空间定位。引入新的基准测试用于评估基于提示的对象定位性能，并结合音频上下文完善视频内容理解，提高在对话和新闻视频等场景中的适用性。改进的定量基准测试确保更高的透明度和可重复性。

YOLO-World - 下一代实时开放词汇目标检测模型

GithubYOLO-World开放词汇开源项目目标检测零样本学习预训练模型

YOLO-World是一款创新的实时开放词汇目标检测模型。经过大规模数据集预训练,它展现出卓越的开放词汇检测和定位能力。采用'先提示后检测'范式,YOLO-World通过重参数化技术实现高效的自定义词汇推理。该模型支持零样本目标检测、分割等多种任务,并开源了在线演示、预训练权重和微调代码,为计算机视觉领域提供了实用的研究与应用工具。

BCL - 利用记忆效应的对比学习算法提升长尾数据表示

BCLGithub对比学习开源项目自监督学习记忆效应长尾识别

BCL项目开发了一种创新的自监督学习方法，利用神经网络的记忆效应来增强对比学习中样本视图的信息差异。这种方法从数据角度出发，无需标签就能有效提升长尾分布数据的表示学习能力。在多个基准数据集上的实验表明，BCL的性能超过了现有的最先进方法，为处理现实世界中的长尾分布数据提供了新的自监督学习思路。

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。

edgeyolo - 优化边缘设备性能的模型，支持ONNX和TensorRT导出

COCO2017EdgeYOLOGithubHuawei AscendNvidia Jetson AGX XavierTensorRT开源项目

EdgeYOLO为边缘设备优化，在Nvidia Jetson AGX Xavier上达34FPS，并通过RH loss提升小型和中型物体检测。支持COCO2017和VisDrone2019数据集，提供多种模型格式和部署代码，包括RKNN、MNN和TensorRT。项目定期更新，并集成了SAMLabeler Pro工具，支持多人远程标注。可快速上手和训练，适配不同设备和应用场景。

owlv2-base-patch16-finetuned - 介绍OWLv2模型在零样本物体检测中的应用与发展

CLIPGithubHuggingfaceOWLv2对象检测开源项目模型计算机视觉零样本检测

OWLv2模型是用于零样本物体检测的一个创新模型，使用CLIP作为多模态基础，同时采用ViT型Transformer以提取视觉特征，并通过因果语言模型获取文本特征。此模型的最大特点是其开放词汇分类功能，通过将固定分类层权重替换为文本模型中的类别名称嵌入实现。在常见检测数据集上，CLIP从头训练并微调，以学习精确的对象检测方法。此工具为AI研究人员提供了在计算机视觉领域探索鲁棒性、泛化和其他能力的机会。

DINO - 降噪锚框实现端到端目标检测

COCODINOGithub图像分割开源项目深度学习目标检测

DINO采用改良的降噪锚框，提供先进的端到端目标检测功能，并在COCO数据集上实现了优异的性能表现。模型在较小的模型和数据规模下，达到了63.3AP的优秀成绩。DINO具有快速收敛的特点，使用ResNet-50主干网络仅在12个周期内即可达到49.4AP。项目还提供丰富的模型库和详细的性能评估，用户可以通过Google Drive或百度网盘获取模型检查点和训练日志。

RT-DETR - 超越YOLO的实时目标检测算法领域突破

CVPR 2024GithubRT-DETR实时目标检测开源项目深度学习物体识别

RT-DETR是一个开源的实时目标检测算法项目，在性能上超越了YOLO系列。它提供多种模型变体，从轻量级R18到大型X模型，适应不同应用需求。在COCO和Objects365数据集上，RT-DETR展现出卓越性能，最高达到56.2mAP和217FPS。项目同时支持PyTorch和PaddlePaddle框架，便于研究和应用。

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。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com