Agentic Object Detection官网 – 基于文本提示的零样本目标检测技术

Agentic Object Detection 是 LandingAI 开发的计算机视觉项目，通过文本提示实现人类级别的目标检测精度，无需定制训练。它利用推理驱动的 AI 分析物体的独特属性（如颜色、形状、纹理）及物体间关系，支持零样本学习。在内部基准测试中，其 F1 分数达 79.7%，优于 Microsoft Florence-2、Google OWLv2 等模型。项目集成于 LandingLens 平台，适用于农业、制造业、医疗等多个行业。

Agentic Object Detection的特点:

1. 零样本学习：无需定制训练即可检测新物体
2. 属性识别：精确分析颜色、形状、纹理等特征
3. 高性能：F1 分数 79.7%，召回率 77.0%，精确率 82.6%
4. 多行业支持：覆盖农业、制药、物流等场景
5. API 集成：开发者可灵活接入自有系统
6. 动态推理：通过 agentic 模式（规划/代码生成）提升适应性

Agentic Object Detection的功能:

1. 农业：检测未成熟草莓或病变作物
2. 制造业：验证工人是否佩戴安全头盔
3. 医疗：识别新冠抗原测试结果
4. 零售：监控无人占用的餐桌
5. 物流：分类常青集装箱
6. 通过 Web Demo 快速测试（上传图像+文本提示）
7. 开发者调用 API 构建定制化应用

相关导航

幻方 AI 模型仓库开源项目 – 多领域高性能AI模型集成

包含了从计算机视觉、自然语言处理到生物计算、气象预测等各个领域的模型，这些模型结合了幻方萤火超算集群的特点，使用并行训练、高效算子、高性能存储等方式，大幅提升原有模型的性能，节省训练时间。

Depth Anything官网 – 单目深度估计的通用解决方案

Depth Anything 是一个高度实用的单目深度估计解决方案，旨在构建一个简单而强大的基础模型，能够处理任何图像并适应任何场景。该模型使用约6200万张无标签图像进行训练，涵盖多个领域和场景，展示了出色的零样本泛化能力，并在NYUv2和KITTI数据集上创下了新的最佳性能。

Phoenix-一个notebook开源项目 – first的Python库

Phoenix是一个notebook-first的Python库，利用嵌入技术发现LLM、计算机视觉(CV)、自然语言处理(NLP)和表格模型中的潜在现象和问题。它支持多种模型的可观察性，提供洞察发现工具，帮助识别和解决模型问题，并集成监控功能以实时跟踪模型性能，同时支持模型的微调和优化。

Image2Paragraph开源项目 – 图像转独特段落

Image2Paragraph是一个结合了ChatGPT、BLIP2、OFA、GRIT、Segment Anything和ControlNet技术的项目，旨在将图像转化为独特的段落描述。通过多种先进技术的集成，该项目能够从图像中提取丰富的特征，并生成详细且独特的文本描述，适用于多种AI应用和计算机视觉任务。

Spatial Transformer Network (STN) with Thin Plate Spline (TPS)开源项目 – 基于TPS的空间变换网络

该项目是一个基于PyTorch实现的Spatial Transformer Network (STN)，采用Thin Plate Spline (TPS)技术进行空间变换，能够灵活地对输入图像进行几何变换，支持高效的训练与推理。

PyTorch开源项目 – 开源深度学习框架

PyTorch是一个开源的深度学习框架，广泛用于计算机视觉和自然语言处理等领域。

NVIDIA NeMo开源项目 – 生成式AI框架

NVIDIA NeMo是一个可扩展的云原生生成式AI框架，专为研究人员和PyTorch开发者设计，支持大语言模型（LLM）、多模态模型（MM）、自动语音识别（ASR）、文本转语音（TTS）和计算机视觉（CV）等领域。它旨在帮助用户高效地创建、定制和部署新一代AI模型，利用现有的代码和预训练模型检查点。NeMo基于Python配置，采用模块化抽象，支持在成千上万个GPU上进行大规模实验。

openai-openapi开源项目 – OpenAI API 的 OpenAPI 规范

该项目提供了 OpenAI API 的 OpenAPI 规范，帮助开发者理解并利用 OpenAI API。OpenAPI 规范是一种用于描述 RESTful API 的行业标准，使用 YAML 或 JSON 格式编写，定义了 API 的架构、请求和响应模型，以及其他元数据。该规范基于 OpenAPI 3.0 标准，并遵循 RESTful 架构，提供了一致而易于理解的 API 定义。开发人员可以使用此规范生成各种编程语言的客户端，自动化工具可以使用此规范来验证请求和响应，确保与 API 的兼容性。

YOLO-NAS Pose开源项目 – 高效的深度学习训练框架

一个高效的深度学习训练框架，旨在简化模型训练和优化过程，提供了多种预训练模型和工具，适用于计算机视觉任务。

DenseMatcher开源项目 – 3D语义匹配工具

DenseMatcher是一个用于3D语义匹配的工具，能够从单一示例中学习类别级别的操作，实现高效的3D形状匹配。它支持多种3D形状的处理，适用于机器人抓取、增强现实等多个领域。

Ultralytics YOLO开源项目 – 尖端的对象检测与追踪模型

Ultralytics YOLO 是一款基于 YOLO 系列的尖端对象检测和追踪模型，集成了计算机视觉和深度学习的最新进展。它继承了前代 YOLO 版本的成功，并引入了新的架构和训练流程，提升了实时推理速度、准确性和泛化能力。该模型适用于广泛的任务，包括对象检测、实例分割、图像分类和姿态估计。YOLO11 经过 COCO、ImageNet 和 DOTAv1 等大型数据集的训练，提供了卓越的准确度和速度。

PoseTracker API官网 – 实时用户运动追踪工具

PoseTracker API是一个用于实时人体运动分析的前沿解决方案，适用于移动和Web应用。它利用人工智能和计算机视觉提供超稳定的姿态估计和运动追踪，方便开发者集成先进的姿态检测技术。

SpriteAI官网 – 强大的AI平台

SpriteAI是一个提供先进机器学习能力的数据分析、计算机视觉和自然语言处理的AI平台。用户可以在网站上注册账户，选择所需功能，上传数据或提供数据访问，平台将使用AI算法进行分析，生成有价值的见解和预测。

Mixture-of-Mamba开源 – 多模态状态空间模型优化

Mixture-of-Mamba 是一种基于状态空间模型（SSMs）的新型架构，专门设计用于通过引入模态感知稀疏性来改进多模态模型。它能够高效处理文本、图像和语音等不同类型的数据，通过为每种数据类型定制参数，显著提高效率和性能。该项目在减少计算成本的同时，保持了或提升了模型的表现，特别适用于多模态预训练研究。