Project Icon

lvis-api

大规模词汇实例分割API的便捷安装与功能

LVIS API 提供读取和交互注释文件、可视化注释和评估结果的功能。该项目包含超过16.4万张图像和200万高质量实例分割掩码,并涵盖1200多个基础对象类别。支持在虚拟环境中通过pip安装。该API已在第2届联合COCO和LVIS工作坊的ECCV 2020大会上发布,适用于大规模词汇实例分割的研究和应用。

labelme - Python图像标注工具,支持多种格式导出
GithubLabelmePython图像标注实例分割开源项目语义分割
Labelme是一个Python图像标注工具,使用Qt构建界面,支持多边形、矩形、圆形、线条和点的标注,适用于图像分类、语义分割、实例分割和视频标注。提供GUI自定义功能,并支持导出VOC和COCO格式数据集。兼容Windows、macOS和Linux平台,安装简单,资源丰富,易于使用。
VLM_survey - 用于视觉任务的 AWESOME 视觉语言模型集合
GithubVision-Language Models开源项目数据集知识蒸馏视觉识别任务预训练方法
本页面详尽介绍了视觉语言模型(VLM)在视觉识别任务中的应用和发展。内容涵盖VLM的起源、常用架构、预训练目标、主流数据集及不同的预训练方式、迁移学习和知识蒸馏方法,并针对这些方法进行了详细的基准测试和分析。页面还讨论了未来研究的挑战和方向,让用户掌握VLM技术在图像分类、对象检测和语义分割等任务中的最新应用进展。
ViTamin - 推动计算机视觉进入新时代的可扩展视觉语言模型
GithubViTamin图像处理开源项目深度学习视觉语言模型计算机视觉
ViTamin是一系列可扩展的视觉语言模型,在图像分类、开放词汇检测和分割等任务上取得突破。以436M参数量在DataComp-1B数据集训练,实现82.9%的ImageNet零样本准确率。在7个开放词汇分割基准测试中创新纪录,并提升大型多模态模型能力。获timm和OpenCLIP官方支持,提供简单接口。ViTamin为计算机视觉领域带来新的可能性。
llm - 大型语言模型CLI工具,支持本地和远程模型
GithubLLMPython库命令行工具开源项目插件模型
一款CLI工具和Python库,用于与大型语言模型交互,支持远程API和本地安装模型。可从命令行运行提示、将结果存储在SQLite中、生成嵌入等。通过插件目录,可访问更多模型。
anylabeling - AI辅助数据标注工具
AnyLabelingGithubSegment AnythingYOLO图像注释开源项目自动标注
AnyLabeling是一款高效的数据标注工具,结合了LabelImg和Labelme的优点,并改进了用户界面。支持多种图像注释类型,包括多边形、矩形、圆形、线条和点。提供自动标注功能,兼容YOLOv8和Segment Anything。支持文本检测、识别和关键信息提取标注,适用于英语、越南语和中文。用户可通过PyPI安装,适用于各种操作系统。更多信息请查看官方网站。
vosk-api - 离线开源多语言语音识别工具,支持多种设备
GithubVosk多语言支持开源工具包开源项目离线语音识别
Vosk是一款离线开源语音识别工具包,支持20多种语言和方言。其模型体积小(仅50MB),但能提供连续的大词汇量转录、零延迟响应和流媒体API。支持Python、Java、Node.JS、C#、C++、Rust、Go等多种编程语言。适用于聊天机器人、智能家居设备、虚拟助手,也能为电影创建字幕、为讲座和采访生成转录。Vosk从Raspberry Pi等小型设备到大型集群均可扩展。访问Vosk官网获取安装指南、示例和文档。
ivis - 基于神经网络的高维数据降维和可视化算法
Githubivis算法开源项目数据可视化机器学习神经网络降维
ivis是一种基于暹罗神经网络的数据降维算法,专门用于处理高维数据集。该算法支持无监督和有监督学习,能够有效保持数据的局部和全局结构。ivis适用于大规模数据集,支持多种数据格式,包括numpy数组、稀疏矩阵和hdf5文件。它在聚类、异常检测等任务中表现出色,为数据分析提供了强大的可视化工具。ivis算法采用基于三元组的神经网络结构,能够高效处理百万级数据点和上千维特征,在保持数据结构方面常常优于t-SNE等传统方法。支持新数据点的转换,可以轻松集成到sklearn管道中,在高维数据可视化、聚类分析和异常检测等领域具有广泛应用前景。
bpycv - Blender中的计算机视觉与深度学习实用工具,支持标注和深度数据的生成
BlenderGithubbpycv开源项目深度学习计算机视觉语义分割
bpycv是Blender中用于计算机视觉和深度学习的实用工具,提供语义分割、实例分割和全景分割的标注生成,以及6DoF姿态和深度数据的渲染。支持简单安装和Docker环境,适用于大规模合成数据集的构建,包含Cityscapes标注格式转换和域随机化功能。提供便捷的演示示例,方便开发与调试,适合计算机视觉研究人员和开发者。
ViT-SO400M-14-SigLIP - 基于SigLIP的视觉-语言模型实现零样本图像分类
GithubHuggingfaceSigLIPViT图像分类开源项目机器学习模型自然语言处理
ViT-SO400M-14-SigLIP是基于WebLI数据集训练的视觉-语言预训练模型,采用sigmoid损失函数进行图像和文本的联合学习。该模型在零样本图像分类任务中表现出色,具有良好的跨模态理解能力。通过OpenCLIP和timm库,用户可以方便地使用该模型生成图像和文本嵌入。ViT-SO400M-14-SigLIP适用于图像分类、图像检索等多种计算机视觉和自然语言处理任务。
llava-v1.6-34b - 大规模多模态模型的开源项目介绍
GithubHuggingfaceLLaVA人工智能多模态开源项目模型自然语言处理计算机视觉
模型在大规模多模态模型和聊天机器人领域的研究中有重要应用,采用多样化的数据集提升不同任务表现,适合计算机视觉、自然语言处理及人工智能的研究者使用。
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

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。

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