视频分类介绍 本模型是对短视频进行内容分类，输入视频片段，输出视频内容分类，目前已经覆盖了23个一级类目/160个二级类目。 模型描述 模型采用resnet50网络结构提取视觉特征，采用NextVLA

直播类目介绍 本模型是对直播视频进行商品类目识别，输入视频片段，输出直播商品类目标签，目前已经覆盖了8K多类的细粒度的商品类别。 模型描述 模型采用resnet50网络结构。 使用方式和范围 使用方式

CurricularFace 模型介绍 模型描述 CurricularFace为目前人脸识别的SOTA方法之一，其主要思想是采用课程学习的思想动态关注训练数据中的难例样本。此前的方法在训练中对于错分类

通用图像分类模型介绍 DeiT-base复现，采用ImageNet数据训练。 创空间快速可视化展示: ViT图像分类-通用 本系列还有如下模型，欢迎试用: ViT图像分类-中文-日常物品

StructBERT中文自然语言推理模型介绍 自然语言推理任务（NLI）通常指判断一对句子对（前提句，假设句）在语义上是否存在推理蕴涵关系。作为自然语言理解的一个重要组成部分,NLI专注于语义理解，是

--- ?SUS-Chat: Instruction tuning done right 中文  ｜  English 

读光文字识别 News 2023年6月： 新增轻量化端侧识别LightweightEdge-通用场景模型和轻量化端侧行检测模型。 2023年4月： 新增训练/微调时读取本地数据集的lmdb，用训练/

coROM英文通用文本表示模型 文本表示是自然语言处理(NLP)领域的核心问题, 其在很多NLP、信息检索的下游任务中发挥着非常重要的作用。近几年, 随着深度学习的发展，尤其是预训练语言模型的出现极大

语音唤醒模型介绍 模型描述   移动端语音多命令词模型，我们根据以往项目积累，挑选了多个场景常用命令词数据进行模型迭代，所得单一模型支持30+关键词的快速检测：     主唤醒词：小云小云，你好小云

纠错模型介绍 文本纠错任务检测并纠正句子中存在的拼写、语法、语义等错误，在搜索，写作办公、教育等场景具有重要意义。文书校对评测任务应用纠错技术以辅助司法人员自动检出并纠正法律文书中存在的错误，涵盖了法

Sambert-Hifigan模型介绍 框架描述 拼接法和参数法是两种Text-To-Speech(TTS)技术路线。近年来参数TTS系统获得了广泛的应用，故此处仅涉及参数法。 参数TTS系统可分为两

日常物体识别模型介绍 自建1300类常见物体标签体系，覆盖常见的日用品，动物，植物，家具，设备，食物等物体，标签从海量中文互联网社区语料进行提取，保留了出现频率较高的常见物体名称。模型结构采用基于Tr

文本指导的分割模型 此模型在文本分割数据集上进行训练，根据文本将图像中对应文本描述的物体分割出来。 模型在fss1000通用分割数据测试集上进行了zero shot测试。 模型结构信息 模型结构

OFA-视觉定位(英文) 视觉定位是什么？ 如果你想找出某个物体在图片上的位置，你只需要输入对这个物体的描述，比如“a blue turtle-like pokemon with round head

生成式多模态表征模型GEMM GEMM是在4亿公开英文图文数据训练的多模态模型。视觉encoder采用vit-large-patch14结构，文本encoder采用bert-base结构。 模型在图像

图像超分辨率介绍 输入低分辨率图片，返回4倍超分辨率后的高清晰图片。模型基于RealESRAGN中的降质方式进行训练，在复杂真实降质图片上也有较好的表现。 模型描述 RealESRGAN提出了通过多次

Segformer-B5语义分割模型介绍 其它相关模型体验Mask2Former-R50全景分割 模型描述 Neurips2021文章SegFormer: Simple and Efficient

UniASR 模型介绍 FunASR开源项目介绍 FunASR希望在语音识别的学术研究和工业应用之间架起一座桥梁。通过发布工业级语音识别模型的训练和微调，研究人员和开发人员可以更方便地进行语音识别模型

[?Homepage] | [? Chat with DeepSeek LLM] | [Discord] | [Wechat(微信)] Paper Link?️ 1. Intr

基于SRResNet改进的轻量级视频超分模型 模型描述 本模型以SRResNet为基础网络，参考EDSR方式对模型结构进行改进，使用前降采样模块降低特征图分辨率，用堆叠残差模块提取特征，最后使用两次p