懂AI
edgenext_small.usi_in1k

edgenext_small.usi_in1k

轻量级CNN-Transformer混合模型EdgeNeXt用于移动视觉应用

edgenext_small.usi_in1k是一款轻量级CNN-Transformer混合模型，针对移动视觉应用优化。该模型在ImageNet-1k数据集上训练，参数量为5.6M，GMACs为1.3。它支持图像分类、特征图提取和图像嵌入等功能，结合CNN和Transformer优势，在保持性能的同时减少计算资源需求，适合在资源受限的移动设备上运行。

ImageNet模型EdgeNeXt图像分类Github神经网络特征提取开源项目Huggingface
GitHubHugging Face论文

EdgeNeXt Small模型介绍

EdgeNeXt Small是一个高效的图像分类模型，专为移动视觉应用而设计。这个模型是EdgeNeXt系列的一部分，它巧妙地结合了卷积神经网络(CNN)和Transformer架构的优点，以实现在移动设备上的高效运行。

模型特点

EdgeNeXt Small模型具有以下特点：

  1. 轻量级设计：模型仅有5.6百万参数，非常适合在资源受限的移动设备上运行。
  2. 计算效率高：模型的GMACs（十亿次乘加运算）仅为1.3，说明其运算效率非常高。
  3. 内存占用小：模型的激活值（Activations）为9.1百万，有利于减少内存占用。
  4. 灵活的输入尺寸：训练时使用256x256的图像尺寸，测试时可以使用320x320的尺寸。

训练细节

EdgeNeXt Small模型在ImageNet-1k数据集上进行了训练。训练过程采用了"Solving ImageNet"论文中提出的USI（Unified Scheme for ImageNet）方法，这是一种蒸馏技术，有助于提高模型的性能。

模型用途

EdgeNeXt Small模型可以用于多种计算机视觉任务：

  1. 图像分类：模型可以对输入图像进行分类，输出top5的类别概率。
  2. 特征图提取：可以从模型的不同层获取特征图，用于进一步的分析或任务。
  3. 图像嵌入：模型可以生成图像的嵌入向量，这对于图像检索、相似度计算等任务非常有用。

使用方法

使用timm库，可以轻松地加载和使用EdgeNeXt Small模型。以下是几个常见用途的代码示例：

  1. 图像分类：可以使用预训练模型对图像进行分类，获取top5的类别和概率。
  2. 特征图提取：通过设置features_only=True，可以获取模型不同层的特征图。
  3. 图像嵌入：通过设置num_classes=0或使用forward_features和forward_head方法，可以获取图像的嵌入向量。

模型优势

  1. 高效性：EdgeNeXt Small模型在保持较高准确率的同时，大大减少了参数量和计算量，使其非常适合在移动设备上运行。
  2. 灵活性：模型可以用于多种计算机视觉任务，如分类、特征提取和嵌入生成。
  3. 易用性：借助timm库，开发者可以轻松地在自己的项目中使用这个模型。

总结

EdgeNeXt Small模型是一个强大而高效的图像处理工具，特别适合移动视觉应用。它将CNN和Transformer的优势结合，在保持高性能的同时实现了轻量化。无论是图像分类、特征提取还是生成图像嵌入，EdgeNeXt Small都能提供出色的性能，使其成为移动设备上计算机视觉任务的理想选择。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多