Hiera开源项目 – 层次化视觉变换器

在多个粒度上分割和识别物体的通用图像分割模型。团队在SA-1B数据集、通用分割数据集(COCO等)和部件分割数据集(PASCAL Part等)上联合训练模型的首次尝试，并系统研究了在SA-1B上定义的交互分割任务和其他分割任务（如全景分割和部件分割）上多任务联合训练的相互促进作用。

ARRTIFICIAL是一个强大的人工智能平台，利用先进的机器学习和深度学习算法，实现数据分析和预测建模的自动化。用户只需上传数据，选择所需的算法和参数，平台便可自动分析和建模。

AI Employe是一个AI优先的RPA Chrome扩展，作为浏览器内的虚拟助手，能够自动化重复的在线任务，具有人类般的智能。用户可以通过在浏览器中创建工作流程，向AI展示任务，AI将执行这些任务，包括需要人类智力的复杂任务。

Nyckel是一个利用AI自动标记图像和文本的平台，旨在简化分类过程，适合所有人使用，无需成为机器学习专家。用户可以在短短5分钟内构建自定义分类器，轻松处理图像排序、文本审核和实时内容标记等任务。

CRATE是一个完全数学可解释的白盒Transformer模型，旨在通过统一多种模型架构实现高效的稀疏率降低，已在真实世界数据集ImageNet-1K上取得接近的性能。它整合了Transformer模型、自注意力、扩散模型和降噪技术，并通过展开迭代优化导出深层网络层。

PyTorch Image Models (timm) 是一个 PyTorch 图像模型集合库，旨在为研究人员和开发者提供丰富的、预训练的图像编码器和骨干网络，方便快速构建和实验各种计算机视觉应用。timm 库不仅提供了模型架构，还包含了训练和验证的技巧，支持多种优化器，并提供了灵活的配置接口。它包含了广泛的模型，如ResNet、EfficientNet、ViT、MobileNet等，这些模型在ImageNet数据集上接受了预训练，可以针对特定的应用程序进行微调。

DirectAI使用户能够快速构建强大的计算机视觉模型，无需编码或训练数据。它利用大型语言模型和零样本学习，根据用户的描述生成适合的模型。

IsItAI.com的API是一个强大的工具，使用先进的人工智能算法检测和分类图像，提供准确高效的图像识别，适用于内容审核、物体识别和视觉搜索等多种应用场景。

YOLOX-M1-Mac是一款高性能的无锚点YOLO模型，性能超越yolov3~v5，支持MegEngine、ONNX、TensorRT、ncnn和OpenVINO等多种框架，特别针对M1 Mac进行了优化。

PDAE是一个基于预训练扩散概率模型的无监督表示学习项目，能够高效地进行特征提取，并适用于多种数据类型的表示学习。

YOLOAir是一个基于PyTorch的YOLO检测算法组合工具箱，支持多种YOLO算法，包括YOLOv5、YOLOv7、Transformer、YOLOX、YOLOR等。该项目提供了改进的骨干网络、头部、损失函数、IoU、NMS等模块，并基于YOLOv5的原始版本进行扩展和优化。其模块化设计便于组合和定制网络结构，适用于目标检测任务的快速部署和测试。

GPT4视觉用例集锦是一个集合了多种视觉任务的项目，基于最新的GPT-4模型，提供丰富的示例和用例，旨在帮助用户更好地利用视觉技术。该项目采用易于使用的API接口，支持图像分类、对象检测、图像生成和视觉问答等功能，适用于广泛的应用场景。

VisionAgent是由LandingAI开发的可扩展视觉AI技术，旨在通过自动化代码生成、模型选择和部署流程，帮助开发者在几分钟内构建视觉功能应用。它支持图像/视频处理任务（如物体检测、图像分类），提供从快速原型开发到生产部署的全流程解决方案，并集成多款开源模型和工具。

YOLOv12是一个基于注意力机制的新框架，旨在突破传统CNN架构的局限，提高性能和计算速度。

Transformers.js 是一个 JavaScript 库，允许用户在浏览器中直接运行预训练的 Transformer 模型，支持自然语言处理、计算机视觉、音频处理和多模态任务。它使用 ONNX Runtime 在浏览器中高效运行模型，并支持将 PyTorch、TensorFlow 或 JAX 模型转换为 ONNX 格式。

Computer Vision Recipes 是一个专注于计算机视觉领域的项目，提供了最佳实践、丰富的代码示例和详细的文档支持。它涵盖了多种计算机视觉任务，如图像分类、目标检测等，旨在帮助开发者快速实现和集成计算机视觉解决方案。项目易于上手和扩展，适用于学习、开发、原型设计、教育培训以及现有项目的集成。

FLYCV是PaddlePaddle开发的高性能计算视觉系统，类似OpenCV但更轻量、性能更高。它在ARM架构下进行了大量优化，提供细粒度的编译选项控制，支持自定义命名空间，解决相同依赖库冲突问题，并支持多种主流操作系统，包括Android、ARMLinux、macOS（x86 & arm）、Windows、iOS。

SPARC是一种用于从图像-文本对中预训练更精细的多模态表示的方法，通过在描述中的每个token上学习图像块的分组来实现。

一种处理噪声标签的少样本学习方法，旨在提高模型在标签不准确情况下的学习能力。该方法利用少量标记样本进行训练，具备对标签噪声的鲁棒性，适用于图像分类等任务。