Gemma 3 4b Pt Object Detection
基于Gemma 3 4B微调的车牌检测专用模型,验证了视觉语言模型无需目标检测预训练即可实现定位能力
下载量 133
发布时间 : 4/17/2025
模型简介
该模型通过微调Gemma 3 4B基础模型,实现了对车辆牌照的检测功能,证明了视觉语言模型在不具备定位标记先验知识的情况下仍可完成目标检测任务
模型特点
零样本目标检测能力
无需目标检测预训练即可实现定位功能
高效微调方案
基于Gemma 3基础模型的参数高效微调
开源可复现
完整代码和训练流程已开源
模型能力
图像中的车牌检测
目标定位
视觉语言理解
使用案例
智能交通
违章车牌识别
自动识别道路监控中的车辆牌照
示例图片显示可准确框选不同角度和光照条件下的车牌
安防监控
停车场车辆管理
自动识别进出车辆的牌照信息
精选推荐AI模型
Qwen2.5 VL 7B Abliterated Caption It I1 GGUF
Apache-2.0
Qwen2.5-VL-7B-Abliterated-Caption-it的量化版本,支持多语言图像描述任务。
图像生成文本
Transformers 支持多种语言

Q
mradermacher
167
1
Nunchaku Flux.1 Dev Colossus
其他
Colossus Project Flux 的 Nunchaku 量化版本,旨在根据文本提示生成高质量图像。该模型在优化推理效率的同时,将性能损失降至最低。
图像生成 英语
N
nunchaku-tech
235
3
Qwen2.5 VL 7B Abliterated Caption It GGUF
Apache-2.0
这是一个基于Qwen2.5-VL-7B模型的静态量化版本,专注于图像描述生成任务,支持多种语言。
图像生成文本
Transformers 支持多种语言

Q
mradermacher
133
1
Olmocr 7B 0725 FP8
Apache-2.0
olmOCR-7B-0725-FP8是基于Qwen2.5-VL-7B-Instruct模型,使用olmOCR-mix-0225数据集微调后量化为FP8版本的文档OCR模型。
图像生成文本
Transformers 英语

O
allenai
881
3
Lucy 128k GGUF
Apache-2.0
Lucy-128k是基于Qwen3-1.7B开发的专注于代理式网络搜索和轻量级浏览的模型,在移动设备上也能高效运行。
大型语言模型
Transformers 英语

L
Mungert
263
2