Project Icon

mask2former-swin-large-coco-instance

使用Swin骨干的高效图像分割Transformer模型

Mask2Former在COCO数据集上的实例分割中表现出色,采用Swin骨干网,通过掩码预测和标签分类统一处理多种分割任务。相比MaskFormer,其改进的多尺度变形注意力机制提升了性能,并且不增加计算量的情况下优化了训练效率。此模型可以用于实例分割,提供多种微调版本供不同需求使用。

segformer-b3-fashion - 高效精准的时尚服饰语义分割模型
GithubHuggingfaceSegFormer图像分割开源项目服装识别模型深度学习计算机视觉
SegFormer-b3-fashion是一个基于SegFormer架构的语义分割模型,针对时尚服饰领域进行了优化。该模型可识别和分割图像中46种不同的服饰元素,涵盖衣物、配饰和细节特征。它采用transformer技术,在保持精确度的同时提供高效设计,适用于时尚分析和虚拟试衣等应用场景。
swin-base-patch4-window7-224 - 微软开源分层视觉Transformer图像分类模型
GithubHuggingfaceImageNetSwin Transformer图像分类开源项目模型深度学习视觉模型
Swin Transformer是Microsoft开发的图像分类模型,通过层级特征图构建和局部窗口注意力机制实现线性计算复杂度。模型在ImageNet-1k数据集上完成224x224分辨率训练,可作为通用主干网络支持图像分类和密集识别任务。其创新的窗口划分策略使模型在处理大尺寸图像时具有更高的效率。
actionformer_release - 基于Transformer的高精度动作时刻定位模型
ActionFormerActivityNetGithubTHUMOS14Transformer开源项目时序动作定位
actionformer_release是一个基于Transformer的动作定位模型,能够检测动作实例的起止点并识别动作类别。在THUMOS14数据集上,该模型取得了71.0%的mAP,超越之前的最佳模型14.1个百分点,并首次突破60%的mAP。此外,该模型在ActivityNet 1.3和EPIC-Kitchens 100数据集上也取得了优异成绩。该项目设计简洁,通过局部自注意力机制对未剪辑视频进行时间上下文建模,并可一次性精确定位动作时刻。代码和预训练模型已开源,可供下载和试用。
metaformer - 一系列视觉基线模型
CAFormerConvFormerGithubIdentityFormerMetaFormerRandFormer开源项目
MetaFormer项目推出多款视觉基线模型,包括IdentityFormer、RandFormer、ConvFormer和CAFormer。这些模型在ImageNet-1K数据集上表现出色,根据不同的token mixer架构,如身份映射、全局随机混合、可分离深度卷积和自注意机制,在224x224分辨率下的Top-1准确率均超过80%。特别是CAFormer,在无外部数据或蒸馏的条件下,达到85.5%的准确率记录。这些模型已集成到timm库中,方便应用和扩展。
poolformer_m36.sail_in1k - MetaFormer架构的PoolFormer图像分类与特征提取模型
GithubHuggingfaceImageNet-1kMetaFormerPoolFormertimm图像分类开源项目模型
poolformer_m36.sail_in1k是一个基于MetaFormer架构的PoolFormer图像分类模型,在ImageNet-1k数据集上训练。该模型拥有5620万参数,支持图像分类、特征图提取和图像嵌入等功能。它能高效处理224x224大小的图像,在保持性能的同时降低计算复杂度。研究人员和开发者可通过timm库轻松使用这一预训练模型,应用于多种计算机视觉任务。
LLFormer - 高效处理超高清低光照图像的Transformer模型
AAAIGithubTransformer低光照图像增强开源项目超高清
LLFormer是一种新型Transformer模型,专门用于增强超高清低光照图像。通过创新的轴向多头自注意力和跨层注意力融合机制,LLFormer能高效处理4K和8K分辨率图像。在UHDLOL基准测试中,该模型性能显著优于现有方法。LLFormer不仅提升了图像质量,还能改善低光照条件下人脸检测等下游任务的效果。
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。
mformer-care - 基于Transformers的多模态深度学习模型
GithubHuggingfacetransformers开源开源项目机器学习模型深度学习自然语言处理
mformer-care是一个基于Hugging Face Transformers库开发的开源项目,采用MIT许可证,支持英语语言处理。该项目利用Transformer架构实现多模态数据的处理与分析。
SpA-Former-shadow-removal - Transformer模型实现高效图像去阴影
GithubIJCNN 2023SpA-FormerTransformer图像阴影去除开源项目注意力机制
SpA-Former是一种基于Transformer的图像去阴影模型,采用空间注意力机制提取阴影特征。在ISTD数据集上,该模型在PSNR、SSIM和RMSE指标方面表现出色。SpA-Former具有参数量少、计算效率高的特点,适用于实际场景的阴影去除。该研究已在IJCNN 2023会议发表,并开源了预训练模型和测试结果,便于研究者复现和对比。
face-parsing - Segformer语义分割模型实现精准人脸解析
CelebAMask-HQGithubHuggingfacenvidia/mit-b5transformers开源项目模型语义分割面部解析
face-parsing是一个基于Segformer的语义分割模型,专注于人脸解析任务。该模型由nvidia/mit-b5在CelebAMask-HQ数据集上微调,可精确识别和分割19个人脸关键区域。支持Python和浏览器环境,提供详细使用指南。适用于人脸分析和编辑应用,但使用时需考虑潜在的社会偏见问题。
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