AI 助理
文档备案控制台

图像识别

首页 标签 图像识别
# 图像识别 #
关注
1231内容
相关子社区
ModelScope模型即服务
15327内容 6活动 4333关注
最新 热门 文章 问答 视频 训练营 活动
羽林小王子
|
博文
|
来自： 视觉智能
图像识别算法汇总
图像识别算法汇总
# 图像识别 # 视觉智能开放平台 # 机器学习/深度学习 # 传感器 # 人工智能 # 监控 # 算法 # 安全 # 固态存储 # 数据库 # 计算机视觉
我不想开发了
|
博文
|
来自： 视觉智能
AI提效：基于手淘首页截图进行请求定位能力实现
AI提效：基于手淘首页截图进行请求定位能力实现
# 日志服务 # 图像识别 # 对象存储 # 存储 # 人工智能 # 算法 # 机器人 # 索引
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Pangea：卡内基梅隆大学开源的多语言多模态大语言模型
Pangea是由卡内基梅隆大学团队开发的多语言多模态大型语言模型，支持39种语言，包含高质量英文指令、机器翻译指令及文化相关任务。该模型在多语言和文化背景下的性能超越现有开源模型，适用于多语言客户服务、教育和学习、跨文化交流等多个应用场景。
# 机器翻译 # 图像识别 # 人工智能 # 自然语言处理 # 开发工具 # git # Python
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
VSI-Bench：李飞飞谢赛宁团队推出视觉空间智能基准测试集，旨在评估多模态大语言模型在空间认知和理解方面的能力
VSI-Bench是由李飞飞和谢赛宁团队推出的视觉空间智能基准测试集，旨在评估多模态大型语言模型（MLLMs）在空间认知和理解方面的能力。该基准测试集包含超过5000个问题-答案对，覆盖近290个真实室内场景视频，涉及多种环境，能够系统地测试和提高MLLMs在视觉空间智能方面的表现。
# 图像识别 # 数据采集 # 人工智能 # 自动驾驶 # 机器人 # 测试技术
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Browser Use：开源 AI 浏览器助手，自动完成网页交互任务，支持多标签页管理、视觉识别和内容提取等功能
Browser Use 是一款专为大语言模型设计的智能浏览器工具，支持多标签页管理、视觉识别、内容提取等功能，并能记录和重复执行特定动作，适用于多种应用场景。
# 图像识别 # 人工智能 # API # 数据库 # 开发者
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Midscene.js：AI 驱动的 UI 自动化测试框架，支持自然语言交互，生成可视化报告
Midscene.js 是一款基于 AI 技术的 UI 自动化测试框架，通过自然语言交互简化测试流程，支持动作执行、数据查询和页面断言，提供可视化报告，适用于多种应用场景。
# 自然语言处理 # 图像识别 # 数据采集 # 人工智能 # 自然语言处理 # 数据可视化 # 测试技术
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
MMedAgent：专为医疗领域设计的多模态 AI 智能体，支持医学影像处理、报告生成等多种医疗任务
MMedAgent 是专为医疗领域设计的多模态AI智能体，支持多种医疗任务，包括医学影像处理、报告生成等，性能优于现有开源方法。
# 图像识别 # 人工智能 # API
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Cosmos：英伟达生成式世界基础模型平台，加速自动驾驶与机器人开发
Cosmos 是英伟达推出的生成式世界基础模型平台，旨在加速物理人工智能系统的发展，特别是在自动驾驶和机器人领域。
# 图像识别 # 人工智能 # 自动驾驶 # 安全 # 机器人 # 开发者
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Aria-UI：港大联合 Rhymes AI 开源面向 GUI 智能交互的多模态模型，整合动作历史信息实现更加准确的定位
Aria-UI 是香港大学与 Rhymes AI 联合开发的多模态模型，专为 GUI 智能交互设计，支持高分辨率图像处理，适用于自动化测试、用户交互辅助等场景。
# 图像识别 # 人工智能 # 编解码 # 自然语言处理 # 测试技术 # 计算机视觉
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Agent Laboratory：AI自动撰写论文，AMD开源自动完成科研全流程的多智能体框架
Agent Laboratory 是由 AMD 和约翰·霍普金斯大学联合推出的自主科研框架，基于大型语言模型，能够加速科学发现、降低成本并提高研究质量。
# 图像识别 # 机器学习/深度学习 # 人工智能 # 自然语言处理 # 决策智能 # Python
免费试用