图像识别AI工具大全：实用软件、网站推荐
图像识别
Llama-3.2-11B-Vision-Instruct-nf4
神经网络量化图像识别
量化视觉语言模型实现高效图像分析与理解
Florence-2-base-ft
Transformers.js模型
基于Transformers.js的图像识别文本生成引擎
align-base
计算机视觉Github
视觉语言对齐模型实现高效零样本图像分类
nsfw-image-detection-large
FocalNet人工智能
FocalNet驱动的NSFW图像分类器实现高准确率内容审核
pixtral-12b
图像识别机器学习
支持多图片交互分析的开源视觉语言模型
llava-1.6-mistral-7b-gguf
MistralLLaVA
基于Mistral-7B的LLaVA多模态模型GGUF 量化版
XLM-Roberta-Large-Vit-B-16Plus
多语言CLIP图像识别
支持50多种语言的多模态视觉语言模型
layoutlm-document-qa
模型Github
LayoutLM文档智能问答模型
cogvlm-chat-hf
模型开源
开源视觉语言模型CogVLM在多项跨模态基准测试中超越PaLI-X 55B
Florence-2-large-ft
图像识别计算机视觉
统一表示实现多种视觉任务的AI基础模型
llava-onevision-qwen2-72b-ov-sft
多模态模型图像识别
基于Qwen2的多模态AI模型 支持图像和视频交互
Qwen2-VL-72B-Instruct
模型多模态处理
多模态视觉语言模型实现图像视频理解与交互
MiniCPM-V-2_6-int4
模型MiniCPM-V
精简高效的多语言视觉AI对话模型
vit-large-patch16-224-in21k
模型计算机视觉
基于ImageNet-21k预训练的大型Vision Transformer模型
HuatuoGPT-Vision-7B
模型Github
融合视觉知识的医疗多模态语言模型助力诊断
yolos-small
模型目标检测
基于Vision Transformer的高效物体检测模型
Llama-3.2-90B-Vision-Instruct
模型多模态大语言模型
Meta开发的多模态大语言模型实现图像理解与视觉推理
food-category-classification-v2.0
模型开源项目
12类食品图像分类模型 准确率达96%
llava-onevision-qwen2-7b-ov
图像识别多模态
基于Qwen2的多模态模型 支持图像和视频理解
GOT-OCR2_0
OCR视觉语言模型
GOT-OCR2_0为OCR技术开创统一端到端模型新纪元
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号