基于YOLOv11的目标检测模型，用于在卫星图像中检测游泳池。

基于YOLOv8框架微调的车牌检测模型，适用于自动驾驶和交通监控场景

基于microsoft/conditional-detr-resnet-50微调的物体检测模型，适用于特定场景下的目标检测任务

基于facebook/detr-resnet-50模型在船只数据集上微调20个周期的目标检测模型

该模型是基于Facebook的DETR-ResNet-50-DC5架构，在蚱蜢检测数据集上微调的物体检测模型。

该模型是基于microsoft/conditional-detr-resnet-50微调的物体检测模型，专门用于垃圾检测任务，训练时使用了数据增强技术。

Florence-2是微软开发的先进视觉基础模型，采用基于提示的范式处理各类视觉与视觉-语言任务。

Florence-2是微软开发的先进视觉基础模型，采用基于提示的方法处理广泛的视觉与视觉-语言任务。

基于RT-DETR架构的目标检测模型，在COCO和Objects365数据集预训练基础上针对CPPE-5数据集微调

这是一个在ADE20K-mini数据集上微调的Mask2Former模型，专门用于实例分割任务，能够识别图像中的'人'和'汽车'类别。

该模型是一个基于Apache-2.0许可证的开源模型，支持阿布哈兹语，主要用于目标检测任务。

基于YOLOv8的目标检测模型，专门用于检测火灾和烟雾场景。

基于PubTables1M数据集训练的表格变换器模型，用于文档中的表格结构识别。

基于facebook/detr-resnet-50在图像文件夹数据集上微调的DETR目标检测模型

基于facebook/detr-resnet-101在食品图像数据集上微调的物体检测模型

基于facebook/detr-resnet-50微调的模型，用于目标检测任务

该模型是基于facebook/detr-resnet-50在blood-cell-object-detection数据集上微调的版本，用于血细胞对象检测任务。

基于DETA-ResNet-50架构在血细胞目标检测数据集上微调的模型，适用于医学图像分析

基于facebook/detr-resnet-50微调的模型，用于目标检测任务

基于facebook/detr-resnet-50微调的杂草检测模型，适用于计算机视觉任务。

YOLOS是基于Transformer架构的目标检测模型，专为高效处理视觉任务而设计。

YOLOS-small 是一个基于 Transformer 架构的小型目标检测模型，专为高效视觉任务设计。

基于facebook/detr-resnet-50在COCO数据集上微调的目标检测模型

基于facebook/detr-resnet-50微调的模型，具体用途未明确说明

该模型是基于DeTr架构在5000张表格检测图像上预训练后，再针对特定表格检测任务进行微调的版本

基于facebook/detr-resnet-50微调的模型，具体用途未明确说明

基于Transformer架构的端到端目标检测模型，结合ResNet-101特征提取器

基于facebook/detr-resnet-50微调的OCR模型，用于目标检测任务

基于facebook/detr-resnet-50模型微调的键盘检测模型，用于图像中的键盘识别任务。

基于facebook/detr-resnet-50微调的模型，用于目标检测任务

基于facebook/detr-resnet-50在beyond_words_23数据集上微调的视觉目标检测模型

基于CPPE-5数据集微调的DETR目标检测模型

基于facebook/detr-resnet-50微调的表格检测模型，在table_detection_light数据集上训练

基于YOLOv8m的飞机目标检测模型，在plane-detection数据集上表现优异。

基于YOLOv8n的目标检测模型，专门用于检测叉车和人员。

基于YOLOv5n的轻量级叉车目标检测模型，专为叉车识别优化

基于COCO 2017目标检测数据集微调的YOLOS小尺寸模型，采用视觉Transformer架构实现高效目标检测

基于COCO 2017目标检测数据集微调的YOLOS模型，采用视觉Transformer架构，适用于目标检测任务。

基于视觉Transformer（ViT）的目标检测模型，使用DETR损失函数训练，在COCO数据集上表现优异。

基于COCO 2017目标检测数据集微调的YOLOS模型，使用视觉Transformer架构实现高效目标检测。