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
1221内容
相关子社区
ModelScope模型即服务
14967内容 6活动 3884关注
最新 热门 文章 问答 视频 训练营 活动
蚝油菜花
|
12月前
|
博文
|
来自： ModelScope模型即服务
Pipecat实战：5步快速构建语音与AI整合项目，创建你的第一个多模态语音 AI 助手
Pipecat 是一个开源的 Python 框架，专注于构建语音和多模态对话代理，支持与多种 AI 服务集成，提供实时处理能力，适用于语音助手、企业服务等场景。
# 图像识别 # 智能语音交互 # 人工智能 # 数据处理 # 语音技术 # 开发者 # Python
蚝油菜花
|
11月前
|
博文
|
来自： ModelScope模型即服务
Oumi：开源的AI模型一站式开发平台，涵盖训练、评估和部署模型的综合性平台
Oumi 是一个完全开源的 AI 平台，支持从 1000 万到 4050 亿参数的模型训练，涵盖文本和多模态模型，提供零样板代码开发体验。
# GPU云服务器 # 图像识别 # 人工智能 # 物联网 # 开发者 # 异构计算
蚝油菜花
|
10月前
|
博文
|
来自： ModelScope模型即服务
Open-LLM-VTuber：宅男福音！开源AI老婆离线版上线，实时语音+Live2D互动还会脸红心跳
Open-LLM-VTuber 是一个开源的跨平台语音交互 AI 伴侣项目，支持实时语音对话、视觉感知和生动的 Live2D 动态形象，完全离线运行，保护用户隐私。
# 图像识别 # 人工智能 # 并行计算 # 语音技术 # 异构计算 # Windows
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
Vision Parse：开源的 PDF 转 Markdown 工具，结合视觉语言模型和 OCR，识别文本和表格并保持原格式
Vision Parse 是一款开源的 PDF 转 Markdown 工具，基于视觉语言模型，能够智能识别和提取 PDF 中的文本和表格，并保持原有格式和结构。
# 图像识别 # 自然语言处理 # 人工智能 # 文字识别 # 自然语言处理 # API # Python
蚝油菜花
|
12月前
|
博文
|
来自： ModelScope模型即服务
Eko：一句话就能快速构建复杂工作流的 AI 代理开发框架！快速实现自动操作电脑和浏览器完成任务
Eko 是 Fellou AI 推出的开源 AI 代理开发框架，支持自然语言驱动，帮助开发者快速构建从简单指令到复杂工作流的智能代理。
# 图像识别 # 自然语言处理 # 人工智能 # 开发框架 # 自然语言处理 # 调度 # 开发者
蚝油菜花
|
10月前
|
博文
|
来自： ModelScope模型即服务
StarVector：图像秒变矢量代码！开源多模态模型让SVG生成告别手绘
StarVector是由ServiceNow Research等机构联合开发的开源多模态视觉语言模型，能够将图像和文本转换为可编辑的SVG矢量图形，支持1B和8B两种规模，在SVG生成任务中表现出色。
# 图像识别 # 人工智能 # 自然语言处理 # 计算机视觉
游客euzbdslcvoev4
|
问答
|
来自： ModelScope模型即服务
qwen-vl-chat模型可以传入多张图片吗？
# 图像识别
泡沫o0
|
博文
Qt, OpenCV与OpenGL协同作战：图像处理与三维图形界面的完美结合
Qt, OpenCV与OpenGL协同作战：图像处理与三维图形界面的完美结合
# GPU云服务器 # 图像识别 # 机器学习/深度学习 # API # vr&ar # 计算机视觉 # 开发者
蚝油菜花
|
博文
|
来自： ModelScope模型即服务
书生·万象InternVL 2.5：上海 AI Lab 开源的多模态大语言模型，超越了目前许多商业模型
书生·万象InternVL 2.5是由上海AI实验室OpenGVLab团队推出的开源多模态大语言模型系列。该模型在多模态理解基准（MMMU）上表现优异，超越了许多商业模型，适用于图像和视频分析、视觉问答、文档理解和多语言处理等多个领域。
# 图像识别 # 数据采集 # 人工智能 # 编解码 # 自然语言处理 # 测试技术
vision-cc
|
博文
|
来自： ModelScope模型即服务
行业实践 | 基于Qwen2-VL实现医疗表单结构化输出
本项目针对不同医院检查报告单样式差异大、手机拍摄质量差等问题，传统OCR识别效果不佳的情况，探索并选定了Qwen2-vl系列视觉语言模型。通过微调和优化，模型在识别准确率上显著提升，能够精准识别并结构化输出报告单信息，支持整张报告单及特定项目的识别。系统采用FastAPI封装接口，Gradio构建展示界面，具备高效、灵活的应用特性。未来该方案可扩展至多种文本识别场景，助力行业数字化转型。
# 图像识别 # 人工智能 # 文字识别 # 并行计算 # 异构计算 # Python
免费试用