本文介绍了边缘智能提供的官方推理模型。您可以将官方模型部署到您的边缘节点进行使用。
模型名称 | 框架 | 类型 | 描述 |
---|---|---|---|
ONNX | 图像分类 | 一种使用 PP-LCNet 算法进行训练的佩戴口罩行为检测模型,用于检测并识别图片或视频中有配套口罩行为的个体。 | |
ONNX | 物体检测 | 一种使用 PP-YOLOE 算法进行训练的抽烟行为检测模型,用于检测并识别图片或视频中有抽烟行为的个体。 | |
TensorRT | 物体检测 | 一种基于 NVIDIA FaceNet 模型的人脸检测模型,用于在图像或视频中准确地检测和定位人脸的位置,实现实时的人脸检测和跟踪。 | |
ONNX | 物体检测 | 一种使用 PaddlePaddle 深度学习框架和 Blazeface 算法进行训练的人脸检测模型,用于在图像或视频中快速、准确地检测和定位人脸的位置。 | |
Python | 其他 | 模型组合(即自定义的 Ensemble 模型)中后处理部分的示例。 | |
ONNX | 物体检测 | 一种使用 YOLOX-Tiny 算法,在 COCO 数据集上进行训练的物体检测模型,用于在图像或视频中检测和定位不同类别的物体,如行人、车辆、动物等。 | |
Ensemble | 物体检测 | 模型组合(即自定义的 Ensemble 模型)的示例。 | |
ONNX | 图像分类 | 一种使用 PP-LCNet 算法进行训练的车辆属性识别模型,用于检测并识别图片或视频中车辆的颜色和车型两项属性。 | |
ONNX | 物体检测 | 一种使用 PP-YOLOE 算法进行训练的车辆检测模型,用于在图像或视频中准确地检测和定位车辆的位置,尤其适用于实时场景下的车辆检测任务。 | |
TensorRT | 物体检测 | 一种基于 NVIDIA Peoplenet 模型的行人检测模型,用于在图像或视频中准确地检测和定位行人的位置,实现实时的行人检测和跟踪。 | |
ONNX | 图像分割 | 一种使用 DeepLab 算法,在 COCO 数据集进行训练的图像分割模型,用于将输入的图像分割成不同的区域,并为每个像素分配相应的类别标签,从而实现对图像的精细分割和语义理解。 | |
ONNX | 图像分类 | 一种使用 MobileNet 卷积神经网络架构,在 ImageNet 数据集进行训练的图像分类模型,用于对输入的图像进行分类,识别出图像中的物体或场景,并将其分为不同的类别。 | |
ONNX | 物体检测 | 一种使用 SSD 算法,在 COCO 数据集上进行训练的物体检测模型,用于在图像中检测和识别各种不同类别的物体,如行人、车辆、动物等。 | |
TensorRT | 物体检测 | 一种基于 NVIDIA TrafficCamNet 模型的车辆检测模型,用于在图像或视频中准确地检测和定位车辆的位置,实现实时的车辆检测和跟踪。 | |
ONNX | 图像分类 | 一种使用 PP-LCNet 算法进行训练的行人属性识别模型,用于检测并识别图片或视频中行人的性别、年龄段、穿着等 26 类特征。 | |
ONNX | 物体检测 | 一种使用 PP-YOLOE 算法进行训练的行人检测模型,用于在图像或视频中准确地检测和定位行人的位置,尤其适用于实时场景下的行人检测任务。 | |
ONNX | 图像分类 | 一种使用 PP-LCNet 算法进行训练的玩手机行为检测模型,用于检测并识别图片或视频中有玩手机行为的个体。 | |
PaddlePaddle | 物体检测 | 一种使用 PP-YOLOE 算法进行训练的车辆检测模型,用于在图像或视频中准确地检测和定位车辆的位置,尤其适用于实时场景下的车辆检测任务。 | |
Ensemble | 物体检测 | 文本检测裁切识别是一个官方模型组,它包含 5 个独立模型和 1 个 Ensemble 模型。Ensemble 模型将 5 个独立模型封装为一个工作流。本模型组能够对输入图像进行文本识别,返回识别到的文本字符串。 | |
TensorFlow | 图像分类 | 一个使用 Tensorflow 框架和 Minist 数据集训练的,用于识别手写数字的官方模型。本模型能够接受手写数字图像作为输入,预测出对应的数字。 | |
PyTorch | 图像分类 | 一个使用 PyTorch 框架和 Minist 数据集训练的,用于识别手写数字的官方模型。本模型能够接受手写数字图像作为输入,预测出对应的数字。 | |
OpenVINO | 物体检测 | 一个使用 OpenVINO 框架,以及 SSD 和 Mobilenet 算法训练的目标检测模型。本模型能够接受图像作为输入,识别出图像中包含的各类物体。 | |
Ensemble | 大模型 | Qwen-VL-Chat 是一个官方模型组,它包含 3 个独立模型和 1 个 Ensemble 模型。Ensemble 模型将 3 个独立模型封装为一个工作流。本模型组允许您向边缘节点私有化部署 Qwen-VL-Chat 大模型,在边缘侧获取大模型服务。 | |
Ensemble | 大模型 | Qwen7B 是一个官方模型组,它包含 3 个独立模型和 1 个 Ensemble 模型。Ensemble 模型将 3 个独立模型封装为一个工作流。本模型组允许您向边缘节点私有化部署 Qwen7B 大模型,在边缘侧获取大模型服务。 | |
ONNX | 物体检测 | 一种结合了 PP-YOLOE 模型和 ONNX 格式的人员打架事件检测模型。本模型通过分析视频或图像中的人员行为,自动检测并识别出打架事件,适用于公共安全监控、学校安全管理、监狱监控等场景。 | |
ONNX | 物体检测 | 一种结合了 PP-YOLOE 模型和 ONNX 格式的人员摔倒事件检测模型。本模型通过分析视频或图像中的人员运动,自动检测并识别出摔倒事件,适用于老年人护理、独居人员监控、医院病房监控等场景。 | |
ONNX | OCR | 一种结合了 PP-Vehicle 技术和 ONNX 格式的车牌 OCR(Optical Character Recognition,光学字符识别)模型。本模型能够检测输入的图像或视频中的车辆,并且利用 OCR 技术识别出车牌上对应的字符(支持传统车牌和新能源绿色车牌)。 | |
ONNX | 物体检测 | 边缘智能针对明厨亮灶场景提供的一个官方自研模型。本模型基于 YOLOX,能够检查视频流和图像中的餐饮从业人员是否规范佩戴白色厨师帽,并返回目标对象的边界框以及相应的类别标签。 | |
ONNX | 物体检测 | 边缘智能针对明厨亮灶场景提供的一个官方自研模型。本模型基于 YOLOX,能够检查视频流和图像中的餐饮从业人员是否规范佩戴口罩,并返回目标对象的边界框以及相应的类别标签。 | |
ONNX | 物体检测 | 边缘智能针对明厨亮灶场景提供的一个官方自研模型。本模型基于 YOLOX,能够检查视频流和图像中的餐饮从业人员是否在使用手机,并返回目标对象的边界框以及相应的类别标签。 | |
ONNX | 物体检测 | 边缘智能针对工业安防场景提供的一个官方自研模型。本模型基于 YOLOX,能够检测视频流和图像中是否包含浓烟和火焰,并返回目标对象的边界框以及相应的类别标签。 |
模型名称 | 类型 | 描述 |
---|---|---|
大模型 | 来源于 HuggingFace 的 Qwen-VL-Chat 模型文件。访问 Qwen/Qwen-VL-Chat · Hugging Face 了解关于此模型的更多信息。 |