MaskDINO

统一的Transformer架构革新目标检测与分割任务

Mask DINO 目标检测图像分割 transformer 深度学习 Github 开源项目

MaskDINO项目提出统一的Transformer架构，整合目标检测、全景分割、实例分割和语义分割任务。该架构实现检测与分割的协同，并在COCO、ADE20K和Cityscapes等主要数据集上取得领先成果。在相同条件下，MaskDINO的性能超越了现有方法，展现出在视觉任务中的卓越潜力。

dinov2-small - 小型Vision Transformer模型用于无监督视觉特征学习

DINOv2GithubHuggingfaceVision Transformer图像特征提取开源项目模型自监督学习计算机视觉

DINOv2-small是一个基于Vision Transformer架构的小型模型，通过无监督学习方法训练。该模型将图像分割为固定大小的块，并使用Transformer编码器处理，能够提取强大的视觉特征。作为预训练模型，它不包含特定任务的微调头，主要用于特征提取。研究者可以在此基础上添加任务相关的分类层，以适应不同的下游视觉应用。

dino-vits16 - DINO训练的小型Vision Transformer模型及其应用

DINOGithubHuggingfaceVision Transformer图像处理开源项目模型特征提取自监督学习

dino-vits16是一个基于DINO方法训练的小型Vision Transformer模型。该模型在ImageNet-1k数据集上进行自监督预训练，能够有效学习图像特征表示。它采用16x16像素的图像块作为输入，可应用于多种视觉任务。dino-vits16展示了自监督学习在计算机视觉领域的潜力，为图像分类等下游任务奠定了基础。

MIMDet - 掩码图像建模应用于目标检测的开源项目

GithubMIMDet卷积神经网络实例分割开源项目物体检测视觉变换器

MIMDet是一个利用掩码图像建模技术的开源项目，能够提升预训练的Vanilla Vision Transformer在目标检测中的表现。此框架采用混合架构，用随机初始化的卷积体系取代预训练的大核Patchify体系，实现多尺度表示无需上采样。在COCO数据集上的表现亮眼，使用ViT-Base和Mask R-CNN模型时，分别达到51.7的框AP和46.2的掩码AP；使用ViT-L模型时，成绩分别是54.3的框AP和48.2的掩码AP。

dino-vitb16 - DINO训练的ViT模型在图像识别中的应用

DINOGithubHuggingface图像分类开源项目模型特征提取自监督学习视觉Transformer

DINO-ViTB16是一个基于视觉Transformer的自监督学习模型，在ImageNet-1k数据集上预训练。它将图像分割为16x16像素的patch序列，通过Transformer编码器处理，可捕获图像的内部表示。该模型适用于图像分类等多种计算机视觉任务，通过在[CLS] token上添加线性层即可实现。DINO-ViTB16展示了自监督学习在视觉领域的巨大潜力，为图像处理提供了新的解决方案。

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。

Mask3D - 改进3D语义实例分割方法，兼容多种数据集

3D实例分割GithubICRA 2023Mask3DPyTorchScanNet开源项目

Mask3D是一个提升3D语义实例分割的开源项目，支持ScanNet、ScanNet200、S3DIS和STPLS3D数据集。项目集成了PyTorch、PyTorch Lightning和Hydra工具，提供高效的架构和训练流程，包括数据预处理、模型训练与测试。此外，Mask3D在多个挑战中表现优异，包括在ECCV 2022的Urban3D挑战中获得第二名。

mask2former-swin-large-coco-panoptic - 基于Transformer架构的高效图像分割模型

COCO数据集GithubHuggingfaceMask2Former图像分割开源项目模型深度学习视觉模型

Mask2Former-Swin-Large是一个基于COCO数据集训练的图像分割模型，通过多尺度可变形注意力和掩码注意力机制，实现了实例、语义和全景分割的统一处理。相比MaskFormer具有更高的性能和计算效率

mask2former-swin-small-coco-instance - 基于Transformer架构的统一图像分割框架

GithubHuggingfaceMask2Former图像分割开源项目机器视觉模型模型训练语义识别

Mask2Former是一个基于COCO数据集的图像分割模型，采用Swin-Small作为基础架构。通过统一的掩码预测方法实现实例、语义和全景分割功能。该模型创新性地结合多尺度可变形注意力机制和掩码注意力技术，优化了计算效率。采用子采样点损失计算策略，使训练过程更加高效。

vit_small_patch8_224.dino - 基于自监督DINO的图像特征提取Transformer

GithubHuggingfaceVision Transformer图像分类开源项目模型模型比较特征提取自监督学习

项目提供了一种自监督DINO方法的Vision Transformer模型，用于图像特征提取。具有21.7M参数和16.8 GMACs运算量，预训练数据为ImageNet-1k。适用于多种视觉任务，支持通过PyTorch和timm库实现，确保高效处理。这项技术在视觉Transformer领域表现出色。

mask2former-swin-large-ade-panoptic - 通用图像分割模型，提升性能和效率

ADE20kGithubHuggingfaceMask2FormerMaskFormer分割开源项目模型视觉

Mask2Former利用多尺度可变形注意力Transformer，提高图像分割性能与效率。其掩蔽注意力解码器在不增加计算负担的情况下提升表现，适用于实例、语义和全景分割。基于ADE20k全景分割数据集的训练研究，提供优化的分割方案。

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