tensorflow

读光文字检测 News 2023年10月： 新增DBNet通用场景模型和轻量化端侧模型转onnx和onnx推理功能 2023年6月： 新增轻量化端侧行检测模型和行识别模型 2023年3月： 新增DB

DCT-Net人像卡通化模型-手绘风 论文 ｜ 项目主页 输入一张人物图像，实现端到端全图卡通化转换，生成手绘风格虚拟形象，返回风格化后的结果图像。 其生成效果如下所示： >>返回卡通化系列模型专题

人像抠图介绍 人像抠图对输入含有人像的图像进行处理，无需任何额外输入，实现端到端人像抠图，输出四通道人像抠图结果，如下图所示： 抠图系列模型 图像人像抠图 通用抠图(支持商

DCT-Net人像卡通化模型-3D 论文 ｜ 项目主页 输入一张人物图像，实现端到端全图卡通化转换，生成3D风格虚拟形象，返回风格化后的结果图像。 其生成效果如下所示： >>返回卡通化系列模型专题页

>>返回卡通化系列模型专题页 DCT-Net人像卡通化-扩散模型-漫画风 论文 ｜ 项目主页 输入一张人物图像，实现端到端全图卡通化转换，生成漫画风格虚拟形象，返回风格化后的结果图像。 其生成效果如下

DCT-Net人像卡通化模型-艺术风 论文 ｜ 项目主页 输入一张人物图像，实现端到端全图卡通化转换，生成艺术风格虚拟形象，返回风格化后的结果图像。 其生成效果如下所示： >>返回卡通化系列模型专题

>>返回卡通化系列模型专题页 DCT-Net人像卡通化-扩散模型-插画风 论文 ｜ 项目主页 输入一张人物图像，实现端到端全图卡通化转换，生成插画风格虚拟形象，返回风格化后的结果图像。 其生成效果如下

本产品面向喜爱棋牌类游戏的玩家 相对于传统的棋盘图色识别，本方案使用YOLO的AI图像识别，可以识别桌面上任意窗口的棋盘状态。 后端的AI行为引擎使用深度残差神经网络和蒙特卡洛树搜索结合，实现复杂决策的行为输出。

DCT-Net人像卡通化模型-素描风 论文 ｜ 项目主页 输入一张人物图像，实现端到端全图卡通化转换，生成素描风格虚拟形象，返回风格化后的结果图像。 其生成效果如下所示： >>返回卡通化系列模型专题

风格迁移介绍 给定内容图像和风格图像作为输入，风格迁移模型会自动地将内容图像的风格、纹理特征变换为风格图像的类型，同时保证图像的内容特征不变 项目主页 模型描述 本模型将视觉注意力与图像风格迁移任务

本项目旨在识别20种手势，以控制电脑和手机。所识别的手势包括：中文数字手势1至10、OK手势、C型手势、手掌手势、手掌打开/关闭、以及摇滚手势（向上/向下/向右/向左）。每个手势在识别之前都会被指定对应的电脑或手机动作。通过这一系统，我们将实现仅凭摄像头即可自动控制电脑和手机的功能。 1. 用电脑/手机的摄像头实时监控手势 2. 用YoloV5模型自动识别手势 3. 按照识别结果控制电脑/手机 4. 图像处理速度为0.03s/frame

基于连续语义增强的神经机器翻译模型介绍 本模型基于邻域最小风险优化策略，backbone选用先进的transformer-large模型，编码器和解码器深度分别为24和6，相关论文已发表于ACL 20

读光文字检测 News 2023年6月： 新增轻量化端侧行检测模型和行识别模型 2023年3月： 新增DBNet训练/微调流程，支持自定义参数及数据集，详见代码示例。 2023年2月： 新增业界主流

当前模型的贡献者未提供更加详细的模型介绍。模型文件和权重，可浏览“模型文件”页面获取。 您可以通过如下git clone命令，或者ModelScope SDK来下载模型 SDK下载 #安装ModelS

基于连续语义增强的神经机器翻译模型介绍 本模型基于邻域最小风险优化策略，backbone选用先进的transformer-large模型，编码器和解码器深度分别为24和6，相关论文已发表于ACL 20

通用抠图介绍 通用抠图对输入图像中的主体进行抠图处理，支持商品、人物、动物、植物、汽车等等，无需任何额外输入，实现端到端通用万物抠图，输出四通道抠图结果，如下图所示： 抠图系列模型

基于连续语义增强的神经机器翻译模型介绍 本模型基于邻域最小风险优化策略，backbone选用先进的transformer-large模型，编码器和解码器深度分别为24和3，相关论文已发表于ACL 20

帮机器人自动识别果实 关键技术：python，C++, opencv, pytorch, YoloV5, scikit-learn 1. 用机器人内置的镜头拍下果树 2. 用YoloV5自动识别果实位置，并把结果传给机器人 3. 自动摘下果实（当时识别的是梨子） 4. 处理速度为0.02秒/张

DCT-Net人像卡通化模型 论文 ｜ 项目主页 输入一张人物图像，实现端到端全图卡通化转换，生成二次元虚拟形象，返回卡通化后的结果图像。 其生成效果如下所示： 本仓库提供DCT-Net日漫风转换模

当前模型的贡献者未提供更加详细的模型介绍。模型文件和权重，可浏览“模型文件”页面获取。 您可以通过如下git clone命令，或者ModelScope SDK来下载模型 SDK下载 #安装ModelS