AIbase

COCO微调
My Model
MIT
GIT是一个基于Transformer的图像到文本生成模型，能够根据输入的图像生成描述性文本。
图像生成文本
PyTorch
支持多种语言
M
anoushhka
87
0
Minh
Apache-2.0
YOLOS是基于视觉Transformer（ViT）的目标检测模型，采用DETR损失训练，在COCO数据集上表现优异。
目标检测
M
minh14122003
14
0
Git Large Coco
MIT
GIT是一个基于Transformer的图像到文本生成模型，能够根据输入图像生成描述性文本。
图像生成文本
Transformers
支持多种语言
G
alexgk
25
0
Detr Resnet 50 Base Coco
Apache-2.0
基于facebook/detr-resnet-50在COCO数据集上微调的目标检测模型
目标检测
Transformers
D
amyeroberts
20
1
Vit Swin Base 224 Gpt2 Image Captioning
MIT
基于VisionEncoderDecoder架构的图像描述生成模型，使用Swin Transformer作为视觉编码器和GPT-2作为解码器，在COCO2014数据集上微调
图像生成文本
Transformers
英语
V
Abdou
321
2
Git Large R Coco
MIT
GIT是一个基于Transformer的生成式图像到文本模型，能够根据图像生成描述性文本。
图像生成文本
Transformers
支持多种语言
G
microsoft
86
10
Git Large Coco
MIT
GIT是一种基于Transformer解码器的视觉语言模型，能够生成图像描述并进行视觉问答
图像生成文本
Transformers
支持多种语言
G
microsoft
6,582
103
Git Base Coco
MIT
GIT是基于CLIP图像标记和文本标记的Transformer解码器，用于图像描述生成、视觉问答等任务。
图像生成文本
Transformers
支持多种语言
G
microsoft
5,461
19
Mengzi Oscar Base Retrieval
Apache-2.0
基于中文多模态预训练模型Mengzi-Oscar在COCO-ir数据集上微调而成的中文图文检索模型
文本生成图像
Transformers
中文
M
Langboat
17
3