dinov2

通过无监督学习构建强大视觉特征的先进方法

DINOv2 视觉特征自监督学习 Vision Transformer 计算机视觉 Github 开源项目

DINOv2是一种先进的无监督视觉特征学习方法,在1.42亿张未标注图像上预训练后生成高性能、鲁棒的通用视觉特征。这些特征可直接应用于多种计算机视觉任务,仅需简单线性分类器即可实现优异效果。DINOv2提供多种预训练模型,包括带寄存器的变体,在ImageNet等基准测试中表现卓越。

文档

vit_small_patch16_224.dino - DINO训练的小型Vision Transformer图像特征模型

GithubHuggingfaceVision Transformertimm图像分类开源项目模型特征提取自监督学习

vit_small_patch16_224.dino是一个采用DINO自监督方法训练的小型Vision Transformer模型。该模型拥有2170万参数，支持224x224像素图像输入，可用于图像分类和特征提取。通过timm库可快速部署，在ImageNet-1k数据集预训练后，为多种计算机视觉任务提供高质量的特征表示。

vit_base_patch14_dinov2.lvd142m - Vision Transformer自监督图像特征提取模型

DINOv2GithubHuggingfaceVision Transformertimm图像特征提取开源项目模型自监督学习

vit_base_patch14_dinov2.lvd142m是基于Vision Transformer架构的图像特征提取模型，采用DINOv2自监督方法在LVD-142M数据集上预训练。模型包含8660万参数，支持518x518像素输入，可用于图像分类和特征提取。该模型无需监督即可学习视觉特征，性能出色。研究者可通过timm库便捷使用此预训练模型。

vit_small_patch14_reg4_dinov2.lvd142m - 基于自监督学习的视觉Transformer用于图像特征提取和分类

GithubHuggingfaceVision Transformer图像分类图像特征开源项目模型深度学习自监督学习

该Vision Transformer (ViT) 图像特征模型通过自监督学习进行预训练，基于LVD-142M数据集并采用DINOv2方法。模型专为图像分类和特征提取设计，包含22.1M参数和29.6 GMAC的运算能力。其注册方法增强了处理518x518像素图像的效果，DINOv2技术有助于无监督视觉特征学习。此模型在图像嵌入应用中表现优异，并支持多种视觉分析与研究。用户可使用timm库简单调用和部署模型，适合多种机器学习场景。

grounding-dino-tiny - Grounding DINO模型实现开放集目标检测的创新突破

GithubGrounding DINOHuggingface开源项目模型深度学习目标检测计算机视觉零样本学习

Grounding DINO模型通过结合DINO与接地预训练技术，实现了开放集目标检测。该模型添加文本编码器，扩展了传统闭集检测模型的能力，可进行零样本目标检测。在COCO数据集上，Grounding DINO取得了52.5 AP的优秀成绩，为计算机视觉中未标记物体的识别提供了新的解决方案。

vit_base_patch14_reg4_dinov2.lvd142m - 基于寄存器的先进Vision Transformer图像特征模型

DINOv2GithubHuggingfaceVision Transformertimm图像特征提取开源项目模型自监督学习

vit_base_patch14_reg4_dinov2.lvd142m是一款基于寄存器的Vision Transformer图像特征模型。该模型采用自监督DINOv2方法在LVD-142M数据集上预训练，拥有8660万参数，支持518x518分辨率的图像处理。模型适用于图像分类和特征提取，提供简洁的使用方法和代码示例。作为一种无监督学习的先进视觉模型，它为计算机视觉领域提供了新的研究方向和应用可能。

Grounding-DINO-1.5-API - 先进的开放集目标检测模型系列

GithubGrounding DINO 1.5IDEA Research少样本学习开源项目目标检测零样本迁移

Grounding DINO 1.5是IDEA Research开发的开放集目标检测模型套件,包括专业版和边缘版两个模型。项目提供模型使用示例,模型托管于DeepDataSpace平台。Grounding DINO 1.5 Pro在COCO、LVIS等多个零样本迁移基准测试中性能领先,并在ODinW少样本设置下创造新纪录。该模型在广泛场景中展现出强大泛化能力,推动了开放集目标检测的发展。

Stable-DINO - 基于稳定匹配的高性能目标检测模型

COCO数据集GithubStable-DINO开源项目深度学习目标检测计算机视觉

项目采用稳定匹配算法，结合检测变压器架构，在目标检测领域取得突破。模型在COCO数据集上实现63.8 AP，具有高性能、易用性和低计算开销等特点。Stable-DINO可与现有DETR变体整合，并在多种backbone下表现出色。该技术不仅适用于目标检测，还可扩展到实例分割等相关任务。

Depth-Anything-V2-Small-hf - 单目深度估计新标杆精细、稳健且高效

Depth Anything V2GithubHuggingface人工智能图像处理开源项目模型深度估计计算机视觉

Depth-Anything-V2-Small-hf是一款基于DPT架构和DINOv2主干的先进单目深度估计模型。经过大规模合成和真实图像训练，它在细节精度和稳健性上超越了前代产品。相比基于稳定扩散的模型，该模型速度提升10倍，且更为轻量。它在零样本深度估计任务中表现卓越，可广泛应用于3D重建和场景理解等领域。研究者和开发者可通过Transformers库便捷地集成和使用这一模型。

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。

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。

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