# 即時檢測

用於檢測Reddit評論中AI生成內容的二分類文本分類模型，支持瀏覽器擴展即時檢測。

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。

基於YOLOv8框架微調的車牌檢測模型，適用於自動駕駛和交通監控場景

這是一個基於YOLOv3架構進行微調的目標檢測模型，專為特定場景下的目標識別任務優化

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。

FRC 578團隊開發的YOLO v10小模型，用於教學演示，展示目標檢測模型原理

LeYOLO是一個基於YOLO架構的目標檢測模型，提供多種尺寸版本（nano、small、medium、large），適用於即時目標檢測任務。

基於SenseTime可變形DETR架構微調的火災檢測模型，支持火焰、車輛和人體多目標檢測

這是一個基於transformers的關鍵點檢測模型，用於識別圖像中的關鍵點位置

基於facebook/detr-resnet-50微調的槍支目標檢測模型，用於識別圖像中的槍支物體。

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。

該模型用於檢測圖像中是否存在眼鏡，適用於人臉分析、身份驗證等場景。

基於YOLOv5m的目標檢測模型，專門用於垃圾檢測任務。

基於YOLOv5n的垃圾目標檢測模型，用於識別和分類垃圾物品。

基於YOLOv5n的輕量級目標檢測模型，專門用於檢測《部落衝突》遊戲中的各種對象。

基於YOLOv5的足球目標檢測模型，專門用於檢測足球比賽中的目標

基於YOLOv5n的足球目標檢測模型，專門用於檢測足球場上的各種目標。

一個基於視覺Transformer架構的模型，專門用於可回收材料的自動分類。

基於COCO 2017目標檢測數據集微調的YOLOS小尺寸模型，採用視覺Transformer架構實現高效目標檢測

基於COCO 2017目標檢測數據集微調的YOLOS模型，採用視覺Transformer架構，適用於目標檢測任務。

基於COCO 2017目標檢測數據集微調的YOLOS模型，使用視覺Transformer架構實現高效目標檢測。

一個基於PyTorch的圖像分類模型，用於檢測圖像中的異常情況。

基於Google的ViT模型微調的違規圖像分類模型，在評估集上準確率達95.92%

基於BERT Tiny架構微調的輕量級假新聞檢測模型，適用於中文文本分析

DETR是一個基於Transformer架構的端到端目標檢測模型，使用ResNet-50作為骨幹網絡，在COCO數據集上訓練。