KI-Modelle
SAM 3 ermöglicht es Nutzern, Text- und visuelle Eingaben zu verwenden, um Objekte in Bildern oder Videos präzise zu identifizieren, zu segmentieren und zu verfolgen. Es wird bald…
Die besten KI-Modelle für Computer-Vision-Tools
17 ToolsEntdecken Sie die besten KI-Modelle — von Sprachtransformatoren wie DistilGPT2 und Claude Opus bis hin zu fortschrittlichen Systemen wie GPT-5.6: Frontier Intelligence und Gemini 3.1 Pro von Google DeepMind, hier erkunden Entwickler und Forscher Werkzeuge, die ihre Projekte verbessern: menschenähnlichen Text generieren, Konversationsagenten entwickeln, komplexe Algorithmen erstellen und die Grenzen der KI-Fähigkeiten erweitern. Durchstöbern Sie 17 KI-Modelle aus KI-Modelle & LLMs, Weitere KI-Tools, Machine-Learning-Plattformen, Wissenschaftliche Entdeckung & Laborwerkzeuge und KI-Bildgeneratoren und mehr.
17 tools
KI-Modelle
DETR ist ein End-to-End-Framework für Objekterkennung und panoptische Segmentierung, das Transformer als Kernkomponente integriert. Es vereinfacht die Architektur, sagt direkt…
KI-Modelle
Densenet ist eine tiefe Faltungs-Neuronale-Netzwerk-Architektur, die über PyTorch verfügbar ist. Sie verbessert die Feature-Propagation und -Wiederverwendung, indem jede Schicht…
KI-Modelle
MobileNets sind eine Familie von mobilen Computer-Vision-Modellen für TensorFlow, die für effiziente On-Device- oder Embedded-Anwendungen entwickelt wurden. Sie maximieren die…
KI-Modelle
FaceNet ist eine TensorFlow-Implementierung für Gesichtserkennung und -clustering, basierend auf dem FaceNet-Paper. Sie nutzt Deep-Learning-Modelle, um einheitliche Embeddings für…
KI-Modelle
MMAction2 ist eine grundlegende Bibliothek für Aufgaben der Aktionserkennung und des Video-Verständnisses. Sie bietet ein umfassendes Toolkit für die Entwicklung und…
KI-Modelle
Fast R-CNN ist ein Deep-Learning-Framework für die Objekterkennung. Es beschleunigt das Training und die Testung im Vergleich zu früheren Methoden wie R-CNN und SPPnet erheblich…
KI-Modelle
py-faster-rcnn ist eine Python-Implementierung des Faster R-CNN Objekterkennungsmodells. Es bietet eine Alternative zur offiziellen MATLAB-Version und liefert eine ähnliche…
KI-Modelle
Caffe-Framework mit SSD-Implementierung für Objekterkennung. Dieses Repository bietet ein schnelles, offenes Framework für Deep Learning, speziell zugeschnitten auf den Single…
KI-Modelle
Feature Pyramid Networks (FPN) verbessern die Objekterkennung, indem sie Multi-Scale-Feature-Maps aus tiefen konvolutionellen Netzwerken mit minimalem Rechenaufwand erstellen.…
KI-Modelle
DeepLab ist ein hochmodernes Deep-Learning-Modell für die semantische Bildsegmentierung. Diese TensorFlow-Implementierung bietet Code für Training, Evaluierung und Visualisierung…
KI-Modelle
ViT-Adapter ist ein KI-Modell, das die Leistung von Vision Transformer (ViT) für dichte Vorhersageaufgaben wie Objekterkennung und Segmentierung verbessert. Es führt…
KI-Modelle
TimeSformer ist eine neuartige KI-Architektur für das Video-Verständnis, die ausschließlich Self-Attention-Transformer nutzt. Sie erzielt State-of-the-Art-Ergebnisse bei…
KI-Modelle
GIT (Generative Image-to-text Transformer) ist ein KI-Modell von Microsoft für Bild- und Sprachaufgaben. Es generiert Textbeschreibungen aus Bildern und kann visuelle Fragen…
KI-Modelle
R-FCN ist ein regionenbasierter Objekterkennungs-Framework, das vollständig konvolutionelle Netzwerke für eine genaue und effiziente Bildanalyse nutzt. Es teilt Berechnungen über…
KI-Modelle
Squeeze-and-Excitation Networks (SENet) ist eine Deep-Learning-Modellarchitektur, die kanalweise Merkmalsantworten adaptiv neu kalibriert. Sie verbessert die Leistung durch…
KI-Modelle
Panoptic FPN vereinheitlicht Instanz- und semantische Segmentierung in einer einzigen Netzwerkarchitektur. Es erweitert Mask R-CNN um einen Zweig für semantische Segmentierung…
Kennen Sie ein Highlight, das in KI-Modelle gehört?
ToolPotion ist das Verzeichnis für KI-Tools, das Menschen durchsuchen, um die besten KI-Modelle zu finden. Die Auflistung ist kostenlos und jede Einreichung wird von Redakteuren geprüft – platzieren Sie Ihr Tool dort, wo die Suche beginnt.