AIbase

V

VLM R1 Qwen2.5VL 3B OVD 0321

由 omlab 开发
基于Qwen2.5-VL-3B-Instruct的零样本目标检测模型，通过VLM-R1强化学习增强，支持开放词汇检测任务。
文本生成图像
Safetensors
英语
开源协议:Apache-2.0#零样本目标检测#VLM-R1强化学习#多模态视觉语言
下载量 892
发布时间 : 3/21/2025
模型介绍
内容详情
替代品

模型简介

该模型结合视觉语言模型与强化学习技术，专门用于开放词汇目标检测（OVD），能够识别训练数据中未明确标注的新类别对象。

模型特点

强化学习增强
采用VLM-R1强化学习算法优化模型性能
开放词汇检测
支持识别训练数据中未包含的新类别对象
多模态理解
结合视觉和语言信息进行目标检测

模型能力

零样本目标检测
开放词汇识别
多模态理解
视觉语言推理

使用案例

计算机视觉
智能监控
检测监控画面中出现的未知类别物体
自动驾驶
识别道路环境中训练数据未覆盖的新类型障碍物
零售分析
商品识别
识别新上市商品的类别和属性