# 移動端優化

PaddleOCR團隊開發的超輕量級英文文本行識別模型，支持英文和數字字符識別

超輕量級韓語文本行識別模型，支持韓語和數字字符識別，平均準確率60.21%。

由PaddleOCR團隊開發的超輕量級日語文本行識別模型，支持日語和數字字符識別。

由PaddleOCR團隊開發的超輕量級西里爾文文本行識別模型，基於PP-OCRv3_mobile_rec訓練，專門針對西里爾文優化

PaddleOCR團隊開發的超輕量級英文文本行識別模型，支持英文和數字字符識別

PP-OCRv5_mobile_rec 是 PaddleOCR 團隊開發的最新一代文本行識別模型，支持簡體中文、繁體中文、英文和日文四種語言的識別，適用於多種複雜文本場景。

一個輕量級指令微調語言模型，專為移動端部署優化

基於Llama架構的緊湊型語言模型，支持英語和葡萄牙語，參數規模9600萬，支持4096個token的上下文長度。

基於DeepSeek-R1-Distill-Qwen-1.5B的多個變體，適配LiteRT框架和MediaPipe LLM推理API，可部署於Android平臺。

Llama 3.2是Meta推出的1B和3B參數規模的多語言預訓練和指令調優生成模型，針對多語言對話用例優化，支持8種官方語言。

SAM 2.1 Tiny 是 Facebook AI Research (FAIR) 推出的輕量級圖像與視頻通用分割模型，支持基於提示的可控視覺分割。

Llama 3.2是Meta推出的多語言大語言模型集合，包含1B和3B參數規模的預訓練和指令調優版本，針對多語言對話用例優化，支持8種官方語言。

Llama Guard 3-1B是基於Llama-3.2-1B預訓練模型微調的內容安全分類模型，用於對LLM輸入和響應中的內容進行安全分類。

Depth Anything V2 是基於 DPT 架構的深度估計模型，採用 DINOv2 骨幹網絡，通過大規模合成和真實數據訓練，實現精細且魯棒的深度預測。

YOLOv3 是一種高效的目標檢測模型，能夠即時定位並分類圖像中的80種不同物體。

MobileCLIP-B是一種高效的圖文模型，通過多模態強化訓練實現快速推理，在零樣本圖像分類任務中表現優異。

MobileCLIP-S2 是一種高效的圖文模型，通過多模態強化訓練實現快速零樣本圖像分類。

MobileCLIP-S1是一種高效的圖文模型，通過多模態強化訓練實現快速零樣本圖像分類。

MobileCLIP-S0是一個高效的圖文模型，通過多模態強化訓練實現，在保持高性能的同時顯著提升了速度和體積效率。

Imp-v1.5-4B-Phi3是一個高性能輕量級多模態大模型，僅含40億參數，基於Phi-3框架和SigLIP視覺編碼器構建。

Depth Anything 是一種基於 DPT 架構和 DINOv2 骨幹網絡的深度估計模型，在約 6200 萬張圖像上訓練，在相對和絕對深度估計任務中取得最先進結果。

MobileCLIP S2 是一個輕量級的視覺-語言模型，專注於圖像特徵提取和零樣本圖像分類任務。

MobileCLIP S0 是蘋果 ml-mobileclip 項目的 ONNX 適配版本，專為移動設備優化的零樣本圖像分類模型。

MobileNet V2是一種輕量級的卷積神經網絡，專為移動設備設計，在延遲、模型大小和準確性之間取得平衡。

基於MobileViTv2架構和DeepLabV3頭部的語義分割模型，在PASCAL VOC數據集上以512x512分辨率預訓練

基於MobileNetV2架構微調的植物病害識別模型，在植物村莊數據集上達到95.41%的準確率

EfficientNet是一種高效的卷積神經網絡，通過統一縮放深度、寬度和分辨率實現高性能圖像分類

EfficientNet是一款移動端友好的純卷積模型，通過複合係數統一縮放深度/寬度/分辨率維度，在ImageNet-1k數據集上訓練

EfficientNet是一款移動端友好的純卷積模型，通過複合係數統一調整深度、寬度和分辨率維度，在ImageNet-1k數據集上訓練而成。

EfficientNet是一款移動端友好的純卷積神經網絡，通過複合係數統一調整深度/寬度/分辨率維度，實現高效縮放

EfficientNet是一種移動端友好的純卷積模型，通過複合係數統一縮放深度/寬度/分辨率維度，在圖像分類任務中表現優異。

EfficientNet是一款移動端友好的純卷積神經網絡，通過複合係數統一調整深度/寬度/分辨率維度，實現高效縮放。

EfficientNet是一款移動端友好的純卷積模型，通過複合係數統一縮放深度/寬度/分辨率維度，在ImageNet-1k數據集上訓練。

EfficientFormer-L3是由Snap Research開發的輕量級視覺Transformer模型，專為移動設備優化，在保持高性能的同時實現低延遲。

MobileNet V1是一種輕量級卷積神經網絡，專為移動設備設計，在圖像分類任務中平衡了延遲、模型大小和準確率。

MobileNet V1是一種輕量級卷積神經網絡，專為移動和嵌入式視覺應用設計，在ImageNet-1k數據集上預訓練。

基於MobileNetV2架構結合DeepLabV3+分割頭的輕量級語義分割模型，在PASCAL VOC數據集上預訓練

MobileNet V2是一種小型、低延遲、低功耗的視覺模型，專為移動設備優化設計

MobileNet V2是一個輕量級的計算機視覺模型，專為移動設備優化，在圖像分類任務中表現優異。

MobileNet V2 是一個輕量級的視覺模型，專為移動設備優化，在圖像分類任務上表現優異。