# 高精度定位

RT-DETR-L_wireless_table_cell_det 是一個高精度的表格單元格檢測模型，專為表格識別任務設計，能夠準確定位和標記表格圖像中的每個單元格區域。

RT-DETR-L_wired_table_cell_det 是表格識別任務中的關鍵模塊，主要負責定位和標記表格圖像中的每個單元格區域。

D-FINE是一種即時目標檢測模型，通過重新定義DETR模型中的邊界框迴歸任務，實現了卓越的定位精度。

D-FINE是一種強大的即時目標檢測器，通過重新定義DETR模型中的邊界框迴歸任務，實現了卓越的定位精度。

D-FINE是一個強大的即時目標檢測模型，通過重新定義DETR模型中的邊界框迴歸任務，實現了出色的定位精度。

D-FINE是一個強大的即時目標檢測模型，通過重新定義DETR模型中的邊界框迴歸任務，實現了出色的定位精度。

D-FINE 是一種即時目標檢測模型，通過重新定義邊界框迴歸任務，實現了卓越的定位精度。

D-FINE是一種即時目標檢測模型，通過重新定義DETR模型中的邊界框迴歸任務，實現了卓越的定位精度。

D-FINE是一個用於目標檢測的模型，通過重新定義DETR模型中的邊界框迴歸任務，實現了出色的定位精度。

專為文檔佈局檢測設計的Docling模型，基於RT-DETR架構，用於文檔版面分析。

D-FINE 是一款基於 DETR 架構改進的即時目標檢測模型，通過重新定義邊界框迴歸任務實現了卓越的定位精度。

UI-TARS是新一代原生圖形用戶界面（GUI）代理模型，旨在通過類人的感知、推理和行動能力與圖形用戶界面無縫交互。

DocLayout-YOLO 是一個基於 YOLO 架構的文檔佈局檢測模型，用於識別和分析文檔中的各種元素和結構。

基於LayoutLM架構的金融表格問答模型，專門用於從金融表格中提取和回答結構化問題。

這是一個基於Apache-2.0許可證發佈的目標檢測模型，用於識別和定位圖像中的特定對象。

基於YOLOv11的目標檢測模型，專門用於跌倒檢測任務。

一個專為識別數字(0-10)和基礎運算符(+,-,×,÷,=)優化的目標檢測模型

一個基於YOLO11x架構的目標檢測模型，專門用於識別圖像中的數字(0-10)和基礎算術運算符(加減乘除等)。

InstantDrag 是一個基於拖拽交互的圖像編輯模型，旨在提升圖像編輯的交互性和效率。

DAB-DETR是一種改進的DETR模型，通過動態錨框作為查詢，顯著提升了目標檢測的性能和訓練收斂速度。

DETR是一種基於Transformer的目標檢測模型，採用端到端的方式處理目標檢測任務，無需複雜的後處理步驟。

UGround是通過簡潔配方訓練的強力GUI視覺定位模型，由俄亥俄州立大學NLP組與Orby AI合作完成。

基於PaliGemma 3B 896分辨率權重微調的UI元素檢測模型，專注於目標檢測任務

TF-ID是一系列目標檢測模型，專門用於提取學術論文中的表格和圖片及其標題文本。

YOLOv10是清華大學MIG實驗室開發的即時端到端目標檢測模型，提供高效的檢測性能和輕量級部署能力。

基於 YOLOv9 的目標檢測模型，適配 Transformers.js，支持在瀏覽器中運行

YOLOv9-C 是基於 YOLOv9 架構的目標檢測模型，適用於即時檢測圖像中的多種物體。

基於PyTorch實現的目標檢測模型，用於識別和定位圖像中的物體。

Grounding DINO是一個開放集目標檢測模型，通過結合DINO檢測器與文本編碼器實現零樣本目標檢測能力。

基於facebook/detr-resnet-50微調的裂縫檢測模型，適用於建築表面裂縫識別任務

開放鐵路是一個與鐵路相關的開放模型或數據集，具體功能和用途需進一步確認。

該模型用於檢測圖像或視頻中的關鍵點，適用於人體姿態估計、面部特徵點檢測等任務。

基於YOLOv8的目標檢測模型，專門用於檢測足球比賽中的球員、守門員、裁判和球。

基於YOLOv8的目標檢測模型，專門用於檢測遊戲《Valorant》中的關鍵對象。

基於YOLOv8s的目標檢測模型，專門用於檢測叉車和人員

YOLOv8s 是一個輕量級的目標檢測模型，基於 Ultralytics 的 YOLOv8 架構，適用於即時目標檢測任務。

基於YOLOv5m的目標檢測模型，專門用於垃圾檢測任務。

這是一個圖像分類模型，能夠識別五種不同的場景：醫院、陽臺、走廊、機場和咖啡廳。