#图像识别

avatar
下班后，用v0两小时不到快速糊了一款表情识别器demo 百度最近新开源了一个多模态的模型，我测试了一下它的图像识别能力，非常强大，甚至对于面部表情都能很好的识别。 基于此模型，开发了一个表情识别特效网站，看看你能做出多少种表情来吧，欢迎大家试玩！ 网址在评论区第一条 （使用的具体模型：ERNIE 4.5-VL-28B-A3B-Thinking）
#表情识别 #多模态模型 #ERNIE 4.5-VL-28B-A3B-Thinking #图像识别 #特效网站
avatar
懒猫相册基于AI大模型找相似重复照片太方便了
懒猫家族新成员亮相，AI算力舱引发热议！· 106 条信息
#AI大模型 #懒猫相册 #重复照片 #图像识别 #效率工具
avatar
XiaoPeng
1个月前
类似这种图，识别图上的标签，速度最快的模型是哪个？当然也要比较准确。
#图像识别 #模型速度 #模型准确率 #技术选择 #AI模型
avatar
阿橡
2个月前
这个有点厉害的，只要点击照片，然后跟手机说“删掉塑料袋”。它就真的只把塑料袋删掉了……塑料袋里面装的东西还飘在空中…… 识别的过于精准了。 Google Pixel 10/Pro/Fold Impressions: Magnets!
#Google Pixel 10 #图像识别 #AI #塑料袋 #精准
avatar
Gorden Sun
2个月前
Thyme：像o3一样分析图片 视觉多模态模型，会分析用户需求，针对复杂问题写代码来辅助解决。例如识别非常小的区域内的文字，会写代码执行放大+裁剪的操作，然后再识别图像解决问题。跟OpenAI o3的操作类似。 项目地址： Github：
#Thyme #o3 #视觉多模态模型 #代码辅助 #图像识别
avatar
这个图的背景音是什么？
#图像识别 #背景音分析 #音频技术
avatar
有人已经开始尝试把大模型装到玩具上了哈哈哈 看到个博主Complex-Indication使用树莓派 Zero 2 的摄像头采集图像，然后使用wifi上传到电脑，电脑使用 SmolVLM 来识别图像，再将控制命令传回去进行控制。不过刚开始完全不能运行，不过他用200张图微调了下模型，挂了个LoRA后，机器人就能走了！ 他使用的 prompt 是这样的（我翻译成了中文）：根据图像选择以下一项行动：前进，向左，向右，后退。若视野被障碍物阻挡，则选择后退。若左侧有障碍物，则选择向右。若右侧有障碍物，则选择向左。若没有障碍物，则选择前进。根据图像选择以下一项行动：前进，向左，向右，后退。若视野被障碍物阻挡，则选择后退。若左侧有障碍物，则选择向右。若右侧有障碍物，则选择向左。若没有障碍物，则选择前进。
#大模型 #玩具应用 #树莓派 #图像识别 #SmolVLM #微调模型 #机器人控制 #LoRA #机器学习