Detr Resnet 50
基于Transformer架构的端到端目标检测模型,无需传统目标检测中的锚框设计
下载量 5,261
发布时间 : 5/2/2023
模型简介
DETR(Detection Transformer)是一种基于Transformer架构的目标检测模型,采用ResNet-50作为骨干网络。它通过将目标检测视为集合预测问题,实现了端到端的检测流程,无需传统方法中的锚框设计。
模型特点
端到端检测
无需传统目标检测中的锚框设计,直接输出检测结果
基于Transformer
利用Transformer架构处理视觉任务,实现全局上下文理解
高效推理
通过ONNX格式优化,适合在Web环境中部署运行
模型能力
目标检测
物体定位
多类别识别
使用案例
智能监控
安全监控
检测监控画面中的人员、车辆等目标
可准确标记画面中的各类物体
零售分析
货架分析
检测零售货架上的商品摆放情况
可识别商品种类和位置
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98
智启未来,您的人工智能解决方案智库
简体中文