# 高精度目標檢測

RF-DETR Large 是一個基於 DETR 架構的目標檢測模型，專為高效檢測圖像中的物體而設計。

基於YOLOv8s微調的手寫簽名檢測模型，專門用於文檔圖像中的簽名定位

PaliGemma 2是Google推出的升級版視覺語言模型，結合Gemma 2和SigLIP視覺模型能力，支持多語言圖像文本交互任務。

基於RT-DETR架構的俄羅斯車牌檢測模型，支持普通車牌和警用車牌的分類識別

基於RT-DETR架構的遙感目標檢測模型，專門用於衛星圖像中的屋頂檢測。

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。

Florence-2是微軟推出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。

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。

基於DETR-ResNet50架構的微調模型，用於文檔元素檢測任務

基於DETR架構的目標檢測模型，使用ResNet50作為骨幹網絡，在特定數據集上進行了微調

基於YOLOv8的目標檢測模型，專門用於檢測手寫文本內容

基於YOLOv8m的目標檢測模型，專門用於煙霧檢測，具有高精確率。

用於檢測Aadhaar卡關鍵文本的YOLOv8模型

基於YOLOv8的零售貨架目標檢測模型，可識別空貨架和商品位置，適用於超市和商場的庫存管理。

基於YOLOv5的目標檢測模型，專門用於識別美國手語(ASL)手勢

基於YOLOv5l的目標檢測模型，專門用於檢測葉片病害。

基於YOLOv8的目標檢測模型，專門用於識別《火影忍者》中的12種手印。

基於YOLOv8n的安全帽檢測模型，用於檢測工人是否佩戴安全帽。

基於YOLOv8m的安全帽檢測模型，用於識別圖像中是否佩戴安全帽。

基於YOLOv8s的安全帽檢測模型，用於識別圖像中是否佩戴安全帽。

基於YOLOv8m的目標檢測模型，專門用於識別和分類血液樣本中的血小板、紅細胞和白細胞。

基於YOLOv8s的血液細胞檢測模型，能夠識別血小板、紅細胞和白細胞。

基於YOLOv8n的血液細胞目標檢測模型，能夠識別血小板、紅細胞和白細胞。

基於YOLOv8的表格檢測模型，用於識別圖像中的表格區域，支持帶邊框和無邊框表格檢測。

基於YOLOv8的表格檢測模型，能夠識別文檔中的表格區域，支持帶邊框和無邊框兩種表格類型。

基於YOLOv8m的目標檢測模型，專門用於檢測CS:GO遊戲中的玩家及其頭部位置。

基於YOLOv8的目標檢測模型，專門用於檢測CSGO遊戲中的玩家及其頭部位置。

基於YOLOv8的目標檢測模型，專門用於檢測MSGS大學標誌

基於YOLOv5的目標檢測模型，專為建築工地設備檢測優化，mAP@0.5達到0.884

這是一個基於YOLOv5的目標檢測模型，專門用於識別石頭剪刀布手勢。

基於YOLOv8m的目標檢測模型，專門用於檢測叉車和人員，適用於工業場景的安全監控。

基於YOLOv5m架構的航拍綿羊目標檢測模型，專為從航拍圖像中檢測綿羊而設計。

基於YOLOv5s的航拍綿羊目標檢測模型，專為從航拍圖像中檢測綿羊而設計。

基於YOLOv5m的目標檢測模型，專門用於煙霧檢測任務。

基於YOLOv5s架構的煙霧目標檢測模型，專為識別圖像中的煙霧區域而設計。

基於YOLOv5n的輕量級煙霧目標檢測模型，專為煙霧識別任務優化

基於YOLOv5m架構的叉車目標檢測模型，在keremberke/叉車目標檢測數據集上訓練，mAP@0.5達到0.85。

基於YOLOv5s的叉車目標檢測模型，適用於工業場景中的叉車識別與定位。

基於YOLOv5m架構的車牌目標檢測模型，在車牌檢測任務上表現出色。

基於YOLOv5s的輕量級車牌檢測模型，在keremberke/license-plate-object-detection數據集上訓練，驗證集mAP@0.5達到0.985。