Модель YOLOv8s находит и классифицирует объекты на изображениях.

Подходит для: поиск объектов на фотографиях · определение классов и расположения объектов на изображениях · автоматическая разметка изображений рамками объектов

RT-DETR-R101 — Transformer-модель для быстрого обнаружения и локализации объектов на изображениях без NMS.

Подходит для: обнаружение объектов на фотографиях · локализация объектов с помощью ограничивающих рамок · обнаружение объектов в видеопотоке в реальном времени

Семейство моделей Ultralytics для обнаружения объектов и других задач компьютерного зрения на изображениях и видеокадрах.

Подходит для: обнаружение и локализация объектов на изображениях · сегментация объектов на пикселях · классификация изображений

Семейство моделей компьютерного зрения Ultralytics для обнаружения объектов и смежных задач, включая сегментацию, классификацию изображений и оценку позы.

Подходит для: обнаружение и локализация объектов на изображениях · сегментация объектов и выделение их масок · классификация изображений по категориям

Дообученная мультимодальная модель Qwen на 27 млрд параметров для более эффективных рассуждений, программирования, диалогов и агентных задач.

Подходит для: написание и отладка кода · выполнение многошаговых задач через терминал · создание программных прототипов по текстовому описанию

YOLOv8 — семейство моделей Ultralytics для обнаружения и отслеживания объектов, сегментации, классификации изображений и оценки позы.

Подходит для: поиск и локализация объектов на изображениях · отслеживание объектов в видеопотоке · сегментация объектов с выделением масок

Коллекция моделей Ultralytics YOLO для обнаружения объектов и сегментации изображений в ComfyUI.

Подходит для: обнаружение объектов на изображениях в ComfyUI · нахождение лиц на изображениях · сегментация объектов на изображениях

Компактный DeiT-трансформер для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по классам ImageNet-1k · извлечение признаков для изображений · использование визуального backbone в компьютерном зрении

Компактная модель DeiT на базе Vision Transformer для классификации изображений по 1 000 классам ImageNet.

Подходит для: классификация изображений ImageNet · распознавание объектов на фотографиях · извлечение признаков изображений для последующего классификатора

YOLOv8m-table-extraction обнаруживает на изображениях таблицы с границами и без них.

Подходит для: поиск таблиц на сканах документов · обнаружение таблиц без видимых границ · обнаружение таблиц с рамками и линиями

Компактная модель ByteDance для оценки глубины по изображениям и восстановления позы камеры в многовидовых сценах.

Подходит для: оценка относительной глубины по одиночному изображению · оценка глубины по нескольким ракурсам сцены · оценка позы камеры по изображениям

Набор моделей YOLO от Anzhc для обнаружения объектов и сегментации лиц, глаз, головы и других специализированных категорий на изображениях.

Подходит для: сегментация лиц на иллюстрациях и фотографиях · выделение глаз в аниме-изображениях для автоматизированного inpainting · сегментация головы и волос в конвейерах обработки изображений

Визуальный Vision Transformer Meta AI для извлечения признаков изображений и использования их в классификации, поиске, сегментации и других задачах компьютерного зрения.

Подходит для: извлечение признаков изображений для классификатора · поиск похожих изображений по эмбеддингам · классификация изображений с линейным классификатором

Модель UPerNet с backbone ConvNeXt Tiny для семантической сегментации изображений с предсказанием класса каждого пикселя.

Подходит для: семантическая сегментация изображений · разметка объектов и областей по пикселям · понимание визуальных сцен

Компактная модель DeiT для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet · получение признаковых представлений изображений · использование как backbone в конвейере компьютерного зрения

Компактная модель YOLOS на базе ViT для обнаружения и локализации объектов на изображениях.

Подходит для: обнаружение объектов на фотографиях · поиск объектов для построения ограничивающих рамок · анализ изображений в сценариях компьютерного зрения

ViTPose++ Huge — модель на Vision Transformer для определения позы человека и координат ключевых точек на изображениях.

Подходит для: определение положения суставов человека на изображении · отслеживание позы человека в кадрах видео · анализ техники упражнений в фитнес-приложении

OmDet-Turbo Swin-Tiny обнаруживает объекты на изображениях по текстовым запросам без отдельного обучения на заданных категориях.

Подходит для: поиск объектов на изображении по произвольным текстовым категориям · zero-shot-разметка изображений для новых наборов классов · пакетное обнаружение объектов с разными текстовыми запросами

ViViT — видеомодель с 113,2 млн параметров для классификации действий в роликах и дообучения на другие задачи видеоанализа.

Подходит для: распознавание действий в видеороликах · классификация видео по категориям Kinetics-400 · дообучение классификатора для пользовательских категорий видео

Модель NVIDIA для восприятия дорожной обстановки, объяснения решений и предсказания действий и траекторий автономного автомобиля по изображениям, видео, тексту и истории движения.

Подходит для: предсказание траектории автономного автомобиля · ответы на вопросы по видео с дорожных камер · привязка объектов на изображениях к координатам

Модель компьютерного зрения ByteDance для оценки глубины сцены и позы камеры по изображениям.

Подходит для: оценка относительной глубины по одному изображению · восстановление глубины по нескольким видам сцены · оценка позы камеры по изображениям

YOLOv5 — семейство моделей Ultralytics для обнаружения и локализации объектов на изображениях и видеокадрах.

Подходит для: обнаружение объектов на фотографиях · поиск и локализация объектов в видеокадрах · подсчёт объектов на изображении по детекциям

ViT-S+ из семейства DINOv3 от Meta AI извлекает универсальные признаки изображений для классификации, поиска и других задач компьютерного зрения.

Подходит для: Извлечение признаков изображения для обучения линейного классификатора · Поиск похожих изображений по визуальным признакам · Классификация изображений с помощью k-NN или логистической регрессии

Базовая модель Vision Transformer для классификации изображений по 1000 классам ImageNet и извлечения признаков для компьютерного зрения.

Подходит для: Классификация фотографий по классам ImageNet · Распознавание объектов на изображениях · Извлечение признаков изображений для последующего обучения классификатора