Yolov8 CoreML
模型简介
YOLOv8是一种高效的目标检测模型,转换为CoreML格式后可在苹果设备上高效运行,适用于实时目标检测和追踪任务。
模型特点
苹果设备优化
模型已转换为CoreML格式,可在M1、M1 Ultra和M4等苹果芯片上高效运行,支持苹果神经引擎加速。
实时目标检测
基于YOLOv8的高效架构,能够实现实时的目标检测和追踪。
多设备兼容
已在多种苹果设备上测试,包括Mac和iPad Pro,确保广泛兼容性。
模型能力
目标检测
实时追踪
苹果设备优化推理
使用案例
智能监控
实时物体检测
在监控视频中实时检测和追踪特定物体,如苹果等水果。
高效准确的检测和追踪效果
移动应用
iOS/iPadOS应用集成
在移动应用中集成该模型,实现实时目标检测功能。
低延迟、高效能的检测体验
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98