F

Florence 2 Large

由Binaryy開發
Florence-2是微軟開發的先進視覺基礎模型,採用基於提示的方法處理廣泛的視覺和視覺語言任務。
下載量 24
發布時間 : 6/27/2024

模型概述

Florence-2是一種統一的視覺表徵模型,能夠通過簡單文本提示執行圖像描述、目標檢測、分割等多種視覺任務。它利用包含1.26億張圖像和54億標註的FLD-5B數據集進行訓練,在零樣本和微調場景中均表現優異。

模型特點

統一視覺表徵
通過單一模型處理多種視覺任務,減少專用模型需求
基於提示的任務執行
通過簡單文本提示即可切換不同任務模式
大規模預訓練
使用包含1.26億圖像和54億標註的FLD-5B數據集訓練
零樣本能力
在未專門訓練的任務上也能表現出色

模型能力

圖像描述生成
目標檢測
圖像分割
文字識別
區域提議
密集區域描述
視覺問答
引用表達理解

使用案例

計算機視覺
智能圖像分析
自動生成圖像描述和檢測圖像中的對象
在COCO描述測試中獲得135.6 CIDEr分數
文檔處理
識別和提取圖像中的文字信息
輔助技術
視覺輔助
為視障人士描述圖像內容
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase