# 目標檢測

基於YOLOv11的目標檢測模型，用於在衛星圖像中檢測游泳池。

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

基於microsoft/conditional-detr-resnet-50微調的物體檢測模型，適用於特定場景下的目標檢測任務

基於facebook/detr-resnet-50模型在船隻數據集上微調20個週期的目標檢測模型

該模型是基於Facebook的DETR-ResNet-50-DC5架構，在蚱蜢檢測數據集上微調的物體檢測模型。

該模型是基於microsoft/conditional-detr-resnet-50微調的物體檢測模型，專門用於垃圾檢測任務，訓練時使用了數據增強技術。

Florence-2是微軟開發的先進視覺基礎模型，採用基於提示的範式處理各類視覺與視覺-語言任務。

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與視覺-語言任務。

基於RT-DETR架構的目標檢測模型，在COCO和Objects365數據集預訓練基礎上針對CPPE-5數據集微調

這是一個在ADE20K-mini數據集上微調的Mask2Former模型，專門用於實例分割任務，能夠識別圖像中的'人'和'汽車'類別。

該模型是一個基於Apache-2.0許可證的開源模型，支持阿布哈茲語，主要用於目標檢測任務。

基於YOLOv8的目標檢測模型，專門用於檢測火災和煙霧場景。

基於PubTables1M數據集訓練的表格變換器模型，用於文檔中的表格結構識別。

基於facebook/detr-resnet-50在圖像文件夾數據集上微調的DETR目標檢測模型

基於facebook/detr-resnet-101在食品圖像數據集上微調的物體檢測模型

基於facebook/detr-resnet-50微調的模型，用於目標檢測任務

該模型是基於facebook/detr-resnet-50在blood-cell-object-detection數據集上微調的版本，用於血細胞對象檢測任務。

基於DETA-ResNet-50架構在血細胞目標檢測數據集上微調的模型，適用於醫學圖像分析

基於facebook/detr-resnet-50微調的模型，用於目標檢測任務

基於facebook/detr-resnet-50微調的雜草檢測模型，適用於計算機視覺任務。

YOLOS是基於Transformer架構的目標檢測模型，專為高效處理視覺任務而設計。

YOLOS-small 是一個基於 Transformer 架構的小型目標檢測模型，專為高效視覺任務設計。

基於facebook/detr-resnet-50在COCO數據集上微調的目標檢測模型

基於facebook/detr-resnet-50微調的模型，具體用途未明確說明

該模型是基於DeTr架構在5000張表格檢測圖像上預訓練後，再針對特定表格檢測任務進行微調的版本

基於facebook/detr-resnet-50微調的模型，具體用途未明確說明

基於Transformer架構的端到端目標檢測模型，結合ResNet-101特徵提取器

基於facebook/detr-resnet-50微調的OCR模型，用於目標檢測任務

基於facebook/detr-resnet-50模型微調的鍵盤檢測模型，用於圖像中的鍵盤識別任務。

基於facebook/detr-resnet-50微調的模型，用於目標檢測任務

基於facebook/detr-resnet-50在beyond_words_23數據集上微調的視覺目標檢測模型

基於CPPE-5數據集微調的DETR目標檢測模型

基於facebook/detr-resnet-50微調的表格檢測模型，在table_detection_light數據集上訓練

基於YOLOv8m的飛機目標檢測模型，在plane-detection數據集上表現優異。

基於YOLOv8n的目標檢測模型，專門用於檢測叉車和人員。

基於YOLOv5n的輕量級叉車目標檢測模型，專為叉車識別優化

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。

基於視覺Transformer（ViT）的目標檢測模型，使用DETR損失函數訓練，在COCO數據集上表現優異。

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。