Project Icon

TF-ID-large-no-caption

学术文献中图表精准识别工具

TF-ID项目专注于精准提取学术论文中的表格和图形,由高效的TF-ID-large-no-caption版本支持。该项目来自Yifei Hu,基于Hugging Face的Florence-2,具备97%以上的识别准确率。适合需要处理大量学术图表的研究工作者。

SimpleHTR - TensorFlow手写文本识别系统,支持单词和整行文本识别
CTC解码GithubIAM数据集TensorFlow字束搜索解码开源项目手写文字识别
本手写文本识别系统使用TensorFlow实现,并训练于IAM数据集。其能够识别单词和整行文本,验证集中3/4的单词被正确识别,字符错误率约为10%。系统提供预训练模型下载和多种解码器选项,包括适用于Windows的word beam search解码器。此外,还支持快速数据加载和训练设置,适合快速开发与部署文本识别应用。
blip-itm-large-flickr - 多任务视觉-语言理解与生成模型
BLIPGithubHuggingface图像-文本匹配图像描述开源项目机器学习模型语言-图像理解
BLIP是一个视觉-语言预训练框架,利用Flickr30k数据集提升图像-文本匹配性能。通过合成标题的生成与过滤机制,减少噪声数据对结果的影响。BLIP在多项任务上表现出色,包括图像-文本检索、图像标题生成和视觉问答,此外,还具备视频语言任务的泛化能力。该模型支持条件与无条件的图像标题生成,应用灵活多样。
detectron2 - Facebook开源的高性能目标检测和图像分割框架
Detectron2Github图像分割开源项目深度学习目标检测计算机视觉
Detectron2是Facebook AI Research开发的开源计算机视觉库,提供先进的目标检测和图像分割算法。它支持全景分割、Densepose和级联R-CNN等功能,可用于研究项目和生产应用。该库训练速度快,支持模型导出,并提供大量预训练模型。Detectron2为研究人员和开发者提供了强大而灵活的工具,推动计算机视觉技术的发展和应用。
deep-text-recognition-benchmark - 基于深度学习方法的文本识别
GithubPyTorch场景文本识别开源项目数据集模型分析深度学习
该项目是一个开源的场景文本识别框架,通过四阶段的官方PyTorch实现,支持现有大多数STR模型。它允许在统一的数据集上,评估各个模块的性能表现,包括准确性、速度和内存需求,并已被多个国际竞赛验证。用户可使用预训练模型进行测试,或进行更深入研究。
dinov2-large - 基于Vision Transformer的大规模自监督视觉特征学习模型
DINOv2GithubHuggingfaceVision Transformer图像处理开源项目模型特征提取自监督学习
DINOv2-large是基于Vision Transformer架构的大规模视觉模型,采用自监督学习方法训练。该模型能从海量未标注图像中学习视觉特征表示,适用于多种下游视觉任务。它将图像转换为固定大小的patch序列输入Transformer编码器,提取高质量特征。研究人员可直接使用其预训练编码器进行特征提取,或针对特定任务进行微调,体现了模型的通用性和灵活性。
awesome-huge-models - 大型AI模型最新动态与开源资源汇总
AI训练GithubLLMdeep learning模型大模型开源开源项目
详尽介绍大型AI语言模型最新进展及开源资源,包括训练代码、数据集和预训练权重。收录Baichuan、Falcon、OpenLLaMA等模型,并关注开源与分布式训练框架如PyTorch和XLA生态。提供全面资源链接,帮助研究人员和开发者了解当前AI模型的最前沿动态。
fsdl-text-recognizer-2022-labs - 深度学习全流程实践 手写识别到模型部署教程
GithubPyTorch实验管理开源项目手写文本识别模型部署深度学习
本项目为深度学习实践提供全面教程,涵盖手写文本识别到模型部署的完整过程。采用PyTorch和PyTorch Lightning框架,结合CNN和Transformer技术,使用Weights & Biases管理实验。内容包括代码质量控制、Docker容器化、AWS Lambda部署和Gradio前端开发。通过系列实验,帮助掌握现代深度学习项目的全栈开发能力。
CapsFusion - 创新的大规模图像描述生成框架
CapsFusionGithub图像文本数据大型多模态模型大语言模型开源项目数据集
CapsFusion是一个用于生成高质量图像描述的创新框架。该项目结合大型语言模型,融合真实和合成图像-文本对,解决了大规模多模态模型训练中的可扩展性和知识保留问题。CapsFusion提供120M数据集、模型和分布式推理代码,为多模态预训练研究提供重要资源。
t5-large - 统一文本到文本格式的大规模多语言NLP模型
GithubHuggingfaceT5多任务学习开源项目文本生成模型自然语言处理迁移学习
T5-Large是一个基于Text-To-Text Transfer Transformer架构的NLP模型,拥有7.7亿参数。该模型采用统一的文本到文本格式,能够处理机器翻译、文档摘要、问答和分类等多种任务。T5-Large在C4语料库上进行预训练,支持英语、法语、罗马尼亚语和德语,并在24项NLP任务中展现出优秀性能。这个versatile模型为各种文本处理应用提供了强大的基础。
nsfw_image_detection - 基于ViT的NSFW图像检测模型
GithubHugging FaceHuggingfaceNSFWVision Transformer内容审核图像分类开源项目模型
这是一个基于Vision Transformer (ViT)的NSFW图像分类模型。经过80,000张多样化图像训练,模型能有效区分正常和不适当内容。采用224x224像素分辨率,16批量大小和5e-5学习率,评估准确率达98%。该模型主要用于内容安全和审核,但仅限于NSFW图像分类。
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