RF-DETR Large 是一个基于 DETR 架构的目标检测模型，专为高效检测图像中的物体而设计。

基于YOLOv8s微调的手写签名检测模型，专门用于文档图像中的签名定位

PaliGemma 2是Google推出的升级版视觉语言模型，结合Gemma 2和SigLIP视觉模型能力，支持多语言图像文本交互任务。

基于RT-DETR架构的俄罗斯车牌检测模型，支持普通车牌和警用车牌的分类识别

基于RT-DETR架构的遥感目标检测模型，专门用于卫星图像中的屋顶检测。

Florence-2是微软推出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和视觉语言任务。

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和视觉语言任务。

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和视觉语言任务。

基于DETR-ResNet50架构的微调模型，用于文档元素检测任务

基于DETR架构的目标检测模型，使用ResNet50作为骨干网络，在特定数据集上进行了微调

基于YOLOv8的目标检测模型，专门用于检测手写文本内容

基于YOLOv8m的目标检测模型，专门用于烟雾检测，具有高精确率。

用于检测Aadhaar卡关键文本的YOLOv8模型

基于YOLOv8的零售货架目标检测模型，可识别空货架和商品位置，适用于超市和商场的库存管理。

基于YOLOv5的目标检测模型，专门用于识别美国手语(ASL)手势

基于YOLOv5l的目标检测模型，专门用于检测叶片病害。

基于YOLOv8的目标检测模型，专门用于识别《火影忍者》中的12种手印。

基于YOLOv8n的安全帽检测模型，用于检测工人是否佩戴安全帽。

基于YOLOv8m的安全帽检测模型，用于识别图像中是否佩戴安全帽。

基于YOLOv8s的安全帽检测模型，用于识别图像中是否佩戴安全帽。

基于YOLOv8m的目标检测模型，专门用于识别和分类血液样本中的血小板、红细胞和白细胞。

基于YOLOv8s的血液细胞检测模型，能够识别血小板、红细胞和白细胞。

基于YOLOv8n的血液细胞目标检测模型，能够识别血小板、红细胞和白细胞。

基于YOLOv8的表格检测模型，用于识别图像中的表格区域，支持带边框和无边框表格检测。

基于YOLOv8的表格检测模型，能够识别文档中的表格区域，支持带边框和无边框两种表格类型。

基于YOLOv8m的目标检测模型，专门用于检测CS:GO游戏中的玩家及其头部位置。

基于YOLOv8的目标检测模型，专门用于检测CSGO游戏中的玩家及其头部位置。

基于YOLOv8的目标检测模型，专门用于检测MSGS大学标志

基于YOLOv5的目标检测模型，专为建筑工地设备检测优化，mAP@0.5达到0.884

这是一个基于YOLOv5的目标检测模型，专门用于识别石头剪刀布手势。

基于YOLOv8m的目标检测模型，专门用于检测叉车和人员，适用于工业场景的安全监控。

基于YOLOv5m架构的航拍绵羊目标检测模型，专为从航拍图像中检测绵羊而设计。

基于YOLOv5s的航拍绵羊目标检测模型，专为从航拍图像中检测绵羊而设计。

基于YOLOv5m的目标检测模型，专门用于烟雾检测任务。

基于YOLOv5s架构的烟雾目标检测模型，专为识别图像中的烟雾区域而设计。

基于YOLOv5n的轻量级烟雾目标检测模型，专为烟雾识别任务优化

基于YOLOv5m架构的叉车目标检测模型，在keremberke/叉车目标检测数据集上训练，mAP@0.5达到0.85。

基于YOLOv5s的叉车目标检测模型，适用于工业场景中的叉车识别与定位。

基于YOLOv5m架构的车牌目标检测模型，在车牌检测任务上表现出色。

基于YOLOv5s的轻量级车牌检测模型，在keremberke/license-plate-object-detection数据集上训练，验证集mAP@0.5达到0.985。