Project Icon

upernet-swin-small

UperNet结合Swin Transformer实现精确语义分割

UperNet结合Swin Transformer骨干网络,提供高效的语义分割解决方案,适用于多种视觉任务,实现每像素精确语义标签预测。

wenet - 轻量精准的全栈语音识别解决方案
GithubWeNet安装指南开源工具包开源项目文档语音识别
WeNet项目提供生产就绪的全栈语音识别方案,强调精准与轻量化。项目在多个公共语音数据集上实现了最先进效果。WeNet易于安装和使用,支持Python编程和命令行操作,并兼容多种硬件,包括Ascend NPU。通过借鉴ESPnet和Kaldi等项目,WeNet提供高效的模型训练和部署方式。用户可在GitHub或微信讨论群中参与交流,获取技术支持和项目信息更新。
edgenext_small.usi_in1k - 轻量级CNN-Transformer混合模型EdgeNeXt用于移动视觉应用
EdgeNeXtGithubHuggingfaceImageNet图像分类开源项目模型特征提取神经网络
edgenext_small.usi_in1k是一款轻量级CNN-Transformer混合模型,针对移动视觉应用优化。该模型在ImageNet-1k数据集上训练,参数量为5.6M,GMACs为1.3。它支持图像分类、特征图提取和图像嵌入等功能,结合CNN和Transformer优势,在保持性能的同时减少计算资源需求,适合在资源受限的移动设备上运行。
sat-12l - 多语言句子分割的革新之选,12层Transformer模型
GithubHuggingfaceSegment any TextSentence Segmentationsat-12lwtpsplit十二层Transformer开源项目模型
凭借12层Transformer,实现多语言环境中更高效的句子分割。这一技术适合多语境文本处理,提供快速而准确的分割解决方案。使用wtpsplit库可增强文本分析能力,进一步提高处理效率。详情请参阅Segment any Text论文。
slimsam-77-uniform - Transformers.js中的ONNX模型兼容性和遮罩生成
GithubHuggingfaceJavaScript库ONNXTransformers.jsmask生成web应用开源项目模型
该开源项目利用ONNX权重,使Transformers.js库兼容,实现AI模型在网页上的遮罩生成。允许通过JavaScript轻松进行图像处理,支持从模型中加载图像和处理器,使用2D定位点生成遮罩并计算IoU分数。项目提供在线演示,方便用户体验实时图像分割,建议将模型转换为ONNX格式以便于网页使用。
control_v11p_sd15_seg - 利用图像分割提高Stable Diffusion模型的控制策略
ControlNetGithubHuggingface人工智能图像分割图像生成开源项目扩散模型模型
ControlNet最新版本利用图像分割为预训练的扩散模型提供条件控制,具备在小数据集上进行端到端任务学习的能力,具有强大的鲁棒性。结合Stable Diffusion v1.5,该模型通过分割图提供附加条件,丰富控制方法。可在个人设备和大型计算集群上处理不同规模的数据,提升训练效率。
sat-3l-sm - 基于Transformer的多语言句子分割模型
GithubHuggingfaceTransformerwtpsplit分词多语言开源项目模型自然语言处理
sat-3l-sm是一个基于3层Transformer架构的句子分割模型,支持80种语言的文本分段。作为wtpsplit库的核心组件,该模型采用MIT许可证开源。sat-3l-sm源于'Segment any Text'研究,为自然语言处理提供准确的句子边界检测功能。
segment-anything-2 - 新一代图像和视频分割基础模型
AI模型GithubSAM 2图像分割开源项目视频分割计算机视觉
SAM 2是Meta AI研发的图像和视频分割基础模型,扩展了SAM的功能。它采用transformer架构和流式内存,实现实时视频处理。通过模型循环数据引擎,研究团队构建了大规模视频分割数据集SA-V。SAM 2在多种视觉任务中展现出卓越性能,为计算机视觉领域带来新的可能。
cards_bottom_right_swin-tiny-patch4-window7-224-finetuned-v2 - 基于Swin Transformer图像分类模型实现60.79%精度
GithubHuggingfacemicrosoft/swin-tiny-patch4-window7-224图像分类开源项目机器学习优化模型模型训练深度学习
这是一个基于microsoft/swin-tiny-patch4-window7-224架构的图像分类模型。经过30轮训练迭代,模型采用128批量大小,5e-05学习率,结合Adam优化器与线性学习率调度策略。模型性能从初始的41.56%提升至60.79%,实现稳定的分类效果。
EVF-SAM - 基于早期视觉语言融合的文本引导图像分割模型
EVF-SAMGithubSAM模型图像分割开源项目视觉语言融合语义分割
EVF-SAM项目通过早期视觉语言融合技术扩展了SAM模型的能力,实现高精度的文本引导图像分割。该模型在T4 GPU上可在几秒内完成推理,计算效率高。最新版本基于SAM-2支持视频分割,展现了零样本文本引导视频分割能力。EVF-SAM在多个数据集上表现出色,为计算机视觉领域提供了新的解决方案。
UniTR - 多模态变换器网络推动3D感知进展
3D感知BEV分割GithubUniTR多模态转换器开源项目目标检测
UniTR是一种新型统一多模态变换器网络,用于3D感知任务。它通过共享权重处理相机和激光雷达等多传感器数据,实现高效多模态融合。在nuScenes数据集上,UniTR在3D目标检测和BEV地图分割任务中均达到最新水平,且降低推理延迟。该研究为提升自动驾驶系统的感知能力提供了新思路。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

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

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。

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