Overeasy 是一个可以创建强大零样本视觉模型的工具平台。它允许用户组建端到端的自定义流水线,用于执行特定的视觉任务,如:
这些功能实现的过程不需要收集和标记大量训练数据。Overeasy 通过结合预训练的零样本模型,使用户能够轻松构建强大的计算机视觉解决方案。
安装过程非常简单,用户只需运行以下命令即可:
pip install overeasy
想了解如何安装额外功能,请参阅我们的文档。
🤖 Agents
:专门用于执行特定图像处理任务的工具。🧩 Workflows
:定义处理图像的 Agents 的顺序,使其以结构化的方式进行。🔗 Execution Graphs
:管理和可视化图像处理流水线。🔎 Detections
:代表边界框、分割和分类。详细的类型、库结构及可用模型,请查阅我们的文档。
若没有本地 GPU,可以通过复制我们的 Colab 笔记本来运行示例。
下载示例图片:
!wget https://github.com/overeasy-sh/overeasy/blob/73adbaeba51f532a7023243266da826ed1ced6ec/examples/construction.jpg?raw=true -O construction.jpg
以下是识别施工现场工人是否佩戴个人防护装备(PPE)的工作流程示例:
from overeasy import * from overeasy.models import OwlV2 from PIL import Image workflow = Workflow([ # 检测输入图像中的每个头部 BoundingBoxSelectAgent(classes=["person's head"], model=OwlV2()), # 应用非极大值抑制以去除重叠的边界框 NMSAgent(iou_threshold=0.5, score_threshold=0), # 将输入图像分割为每个检测到的头部 SplitAgent(), # 使用 CLIP 对分割的图像进行分类 ClassificationAgent(classes=["hard hat", "no hard hat"]), # 映射返回的类名 ClassMapAgent({"hard hat": "has ppe", "no hard hat": "no ppe"}), # 将结果合并回边界框检测中 JoinAgent() ]) image = Image.open("./construction.jpg") result, graph = workflow.execute(image) workflow.visualize(graph)
以下是此工作流程的图示。图中的每一层代表工作流程中的一个步骤:
<picture> <source media="(prefers-color-scheme: dark)" srcset="https://raw.githubusercontent.com/overeasy-sh/overeasy/main/assets/graph-diagram-dark.png"> <source media="(prefers-color-scheme: light)" srcset="https://raw.githubusercontent.com/overeasy-sh/overeasy/main/assets/graph-diagram.png"> <img alt="Diagram" src="./assets/graph-diagram.png"> </picture>图中每个节点的图像和数据属性结合起来用于可视化工作流程的当前状态。调用 visualize
函数将生成一个类似于 Gradio 界面的实例。
如有任何问题或需要帮助,请提交问题或通过 help@overeasy.sh 联系我们。
让我们一起构建惊人的视觉模型吧 🍳!
AI辅助编程,代码自动修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言 障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便 捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高 效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。