基于 DETR 架构的目标检测模型,适用于通用物体检测任务
下载量 43
发布时间 : 3/29/2025
模型简介
RF-DETR 是基于 DETR (Detection Transformer) 架构改进的目标检测模型,能够识别图像中的物体并输出其类别和位置信息。该模型已转换为 ONNX 格式,便于在 JavaScript 环境中部署使用。
模型特点
基于 Transformer 的检测架构
采用 DETR 架构,无需传统目标检测中的锚框设计,直接输出检测结果
ONNX 格式支持
模型已转换为 ONNX 格式,便于跨平台部署和推理
JavaScript 环境兼容
可通过 Transformers.js 库在浏览器或 Node.js 环境中直接运行
模型能力
图像中的物体检测
多类别物体识别
边界框预测
使用案例
计算机视觉应用
智能监控系统
用于实时检测监控画面中的人员、车辆等物体
可准确识别常见物体并标记其位置
零售商品识别
识别货架上的商品种类和位置
辅助库存管理和自动结账系统
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
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文