Logo
Project Icon

smol-vision

前沿视觉模型优化与定制的实用技巧集锦

Smol Vision视觉模型优化ONNX量化模型微调知识蒸馏Github开源项目

smol-vision项目汇集了多种视觉模型优化技术，包括量化、ONNX转换、模型微调和知识蒸馏。项目提供了实用示例，展示如何使用Optimum优化目标检测模型、微调PaliGemma和Florence-2视觉语言模型，以及通过torch.compile加速基础模型。这些方法旨在帮助开发者提高模型性能、缩小规模和加快推理速度，使模型更好地适应各种硬件环境。

GithubGithubHuggingfaceHuggingface
介绍相关项目
Holocron - 深度学习计算机视觉技巧的高效实现与应用
GithubHolocronPyTorch开源项目模型深度学习计算机视觉
Holocron项目提供深度学习计算机视觉最新技术的高效实现，增强开发者灵活性并与PyTorch生态系统兼容。支持多种图像分类、目标检测和语义分割模型，包括Res2Net、Darknet和YOLO等。项目附带详细文档、示例代码和实时演示，助力开发者快速上手并部署高性能视觉解决方案，并提供多种优化算法和工具提升训练效率与准确性。适用于追求前沿性能和灵活开发环境的研究人员和工程师。
coreml-examples - CoreML演示应用集合展示苹果神经引擎优化技术
CoreMLGithubiOS开发开源项目机器学习模型优化苹果神经引擎
该仓库收录了多个为苹果神经引擎优化的CoreML演示应用，展示了先进机器学习模型在iOS设备上的应用。涵盖FastViT图像分类、Depth Anything V2单目深度估计和DETR语义分割等模型。这些实例不仅展示CoreML功能，还为开发者提供在iOS设备上部署复杂机器学习模型的参考。项目采用coremltools进行优化和测试，是iOS机器学习开发的重要学习资源。
modelscope - 整合与应用前沿AI模型的开放平台
API接口GithubModelScope开源库开源项目机器学习模型模型服务
ModelScope简化了AI模型在推理、训练和评估方面的流程，支持CV、NLP、语音、多模态和科学计算等领域的应用。该平台提供统一接口和丰富的API层级，便于开发者轻松集成和使用700多种最新开源模型。适合初学者和专业人士快速上手，体验强大功能。
ml-fastvit - 高效混合视觉Transformer模型用于图像分类
FastViTGithub图像分类开源项目模型性能结构重参数化视觉Transformer
FastViT是一种采用结构重参数化技术的混合视觉Transformer模型。该模型在ImageNet-1K数据集上实现了准确率和延迟的良好平衡,提供多个变体以适应不同应用场景。FastViT在iPhone 12 Pro上的基准测试显示出优秀的移动端性能。项目开源了预训练模型、训练评估代码和使用文档。
Florence-2-large - 多任务视觉AI的统一解决方案
Florence-2GithubHuggingface人工智能图像处理多任务学习开源项目模型计算机视觉
Florence-2是一个由微软开发的视觉基础模型，能够处理多种视觉和视觉-语言任务。该模型通过解释简单的文本提示，可以执行图像描述、目标检测和分割等任务。Florence-2基于FLD-5B数据集进行训练，在零样本和微调场景下均表现优异。模型提供不同规模的版本，支持多种视觉任务，为研究人员和开发者提供了一个versatile的视觉AI工具。
mistral-7b-bnb-4bit - 更高效的模型微调与内存优化技术
GithubHuggingfaceMistral 7bUnsloth内存优化开源项目快速微调模型量化模型
Unsloth技术助力Mistral 7b在内存减少70%的同时实现5倍微调速度提升。项目提供多个适合初学者的Google Colab笔记，只需添加数据集并运行，便可生成更快的微调模型，支持导出到GGUF、vLLM或上传Hugging Face。此方案有效优化了Gemma 7b、Mistral 7b、Llama-2 7b等模型的性能和内存使用，提升模型微调效率。
llava-onevision-qwen2-0.5b-si - 多模态AI模型实现图像、多图和视频的智能交互
GithubHuggingfaceLLaVA-OneVisionQwen2图像处理多模态开源项目模型视觉语言模型
LLaVA-OneVision是一个基于Qwen2的多模态AI模型，能够处理图像、多图和视频输入。它具有32K tokens的上下文窗口，支持英文和中文交互。该模型在AI2D、ChartQA和DocVQA等多项任务中表现优异，为视觉语言应用提供了强大的基础。LLaVA-OneVision采用LLaVA-OneVision数据集进行训练，可轻松集成到各类视觉语言项目中。
amc - 自动化模型压缩技术提升移动设备AI性能
AutoMLGithubImageNetMobileNet剪枝开源项目模型压缩
AMC (AutoML for Model Compression) 是一种创新的自动化模型压缩方法，专为优化移动设备上的深度学习模型而设计。该方法通过自动搜索剪枝策略、导出压缩权重和微调，成功将MobileNet等模型的计算量减少50%，同时维持或提升准确率。AMC不仅适用于MobileNet-V1和V2，还提供PyTorch和TensorFlow格式的压缩模型，为移动设备上的高效AI应用提供了新的可能性。
yolov10m - 高效的实时目标检测系统
COCO数据集GithubHuggingfacePyTorchYOLOv10开源项目模型目标检测计算机视觉
YOLOv10m是一个开源的目标检测项目，利用PyTorch模型和COCO数据集实现高效的计算机视觉解决方案。用户可以方便地进行训练、验证，并将模型上传至库，非常适合多种技术水平的使用者进行实时目标检测应用。
large-ocr-model.github.io - OCR 技术提升多模态大模型视觉问答性能研究
GithubOCR多模态大型模型开源项目缩放法则视觉问答
本项目研究 OCR 技术对多模态大模型性能的影响。实验表明，OCR 能显著提高模型在视觉问答任务中的表现。研究者构建了 REBU-Syn 数据集，验证了 OCR 领域的缩放法则，并开发了高精度 OCR 模型。这项工作为多模态大模型的应用开辟了新方向，揭示了 OCR 在增强模型能力方面的重要价值。
相关项目
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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
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