Project Icon

omdet-turbo-swin-tiny-hf

实时开放词汇目标检测模型 支持批量多任务处理

这是一款基于Transformer的开放词汇目标检测模型。它支持零样本检测,能够识别指定的任意类别目标。该模型的特色在于支持批量处理多张图像,允许为每张图像设置不同的检测类别和任务描述。通过简洁的API接口,该模型可以方便地集成到各种计算机视觉应用中,实现高效的实时目标检测。

swinv2-tiny-patch4-window8-256 - 基于分层特征图的轻量级视觉Transformer模型
GithubHuggingfaceImageNetSwin Transformer v2图像分类开源项目模型深度学习计算机视觉
Swin Transformer V2是一个在ImageNet-1k数据集上预训练的视觉模型,采用分层特征图结构和局部窗口注意力机制,实现线性计算复杂度。模型整合了残差后归一化和余弦注意力等技术,在保持256x256分辨率输入的同时,提供了稳定的图像分类和特征提取能力。
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。
deformable-detr - 使用ResNet-50骨干网络实现的Deformable DETR目标检测模型
COCO 2017Deformable DETRGithubHuggingfaceHungarian算法卷积神经网络开源项目模型物体检测
Deformable DETR模型依托ResNet-50骨干网络,实现了高效的端到端目标检测。通过变形Transformer机制,它能够有效处理并识别图像中的复杂对象。此模型在COCO 2017数据集上经过充分训练,采用目标查询匹配和双重损失优化技术,显著提高了检测精度。适用于高效目标检测场景。
swin-base-patch4-window12-384 - 高效图像分类的Swin Transformer视觉模型
GithubHuggingfaceSwin Transformer图像分类层次特征图开源项目模型自注意力机制视觉转换器
Swin Transformer是一款视觉Transformer,通过使用层级特征图和移窗技术,进行高效图像分类。模型在ImageNet-1k数据集上以384x384分辨率训练,具备线性计算复杂度,使其适用于图像分类和密集识别任务。模型可用于原始图像分类,或者在模型集中寻找细化版本,适合处理计算密集型任务。
OFA - 多任务优化的跨模态序列到序列预训练模型
GithubOFA图像字幕多模态开源项目文本生成预训练模型
OFA是一个支持中文和英文的序列到序列预训练模型,整合了跨模态、视觉和语言任务,支持微调和提示调优。其应用包括图像描述、视觉问答、视觉定位、文本生成和图像分类等。项目提供了详细的预训练和微调步骤、检查点和代码示例,以及在Hugging Face和ModelScope上的在线演示和Colab笔记本下载。欢迎社区参与改进和开发。
smol-vision - 前沿视觉模型优化与定制的实用技巧集锦
GithubONNX量化Smol Vision开源项目模型微调知识蒸馏视觉模型优化
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。
awesome-tiny-object-detection - 微小目标检测研究前沿技术与资源汇总
Github人工智能小目标检测开源项目深度学习目标检测计算机视觉
该项目汇集微小目标检测领域的前沿研究成果和资源。内容涵盖普通微小目标、微小人脸和微小行人检测等多个子领域,同时提供相关数据集、综述文章和挑战赛信息。项目为研究人员和从业者提供了解该领域最新进展的重要参考。
multispectral-object-detection - 多光谱图像融合的高效目标检测方法
GithubTransformerYOLOv5多光谱目标检测开源项目计算机视觉跨模态融合
该项目提出了Cross-Modality Fusion Transformer (CFT)多光谱目标检测方法,利用Transformer架构融合RGB和热红外图像信息。CFT在FLIR、LLVIP等数据集上取得了优秀的检测结果,尤其在夜间场景表现突出。这为多光谱目标检测提供了一种新的解决方案。
whisper-large-v3-turbo - OpenAI Whisper large-v3-turbo 快速多语言语音识别与翻译模型
AI模型GithubHuggingfaceTransformersWhisper多语言开源项目模型语音识别
Whisper large-v3-turbo是OpenAI推出的优化版语音识别和翻译模型。它在保持高质量输出的同时大幅提升了处理速度,支持100多种语言。该模型在噪声环境和不同口音下表现稳定,具备零样本学习能力。适用于实时转录、字幕生成等场景,代表了语音AI技术的最新进展。
grounding-dino-tiny - Grounding DINO模型实现开放集目标检测的创新突破
GithubGrounding DINOHuggingface开源项目模型深度学习目标检测计算机视觉零样本学习
Grounding DINO模型通过结合DINO与接地预训练技术,实现了开放集目标检测。该模型添加文本编码器,扩展了传统闭集检测模型的能力,可进行零样本目标检测。在COCO数据集上,Grounding DINO取得了52.5 AP的优秀成绩,为计算机视觉中未标记物体的识别提供了新的解决方案。
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