|
当我们开始一个计算机视觉项目时，我们首先会找到一些解决我们问题的模型。 假设您要构建一个在受限区域寻找人员的安全应用程序。首先，检查一个公开可用的行人检测模型是否适合您开箱即用。如果是这样，您不需要训练新模型。如果没有，尝试公开可用的模型将使您了解选择哪种架构进行微调或迁移学习。 今天，我们将了解有关计算机视觉、机器学习和 AI 模型的免费资源。 1 Papers with Code 网址：https:/// Papers With Code的使命是创建一个包含机器学习论文、代码、数据集、方法和评估表的免费开放资源。 该平台定期更新计算机视觉和人工智能其他子领域的最新论文和资源。 该网站便于查找资源且提供了大量的免费数据集。
2 Model Zoo 网址：https:/// Model Zoo由 Google 的研究工程师 Jing Yu Koh 创建，并为深度学习研究人员提供了一个平台，可以快速找到适用于各种平台和任务的预训练模型。 该站点会定期更新，并提供过滤功能，以根据您计划使用的机器学习框架或手头任务的类别找到合适的模型。 对我们来说最有用的两个类别是
3. Open Model Zoo 网址：https://github.com/openvinotoolkit/open_model_zoo 适用于OpenVINO™ 工具包的Open Model Zoo提供了各种免费、高度优化的预训练深度学习模型，这些模型在英特尔 CPU、GPU 和 VPU 上运行速度极快。 该存储库包含200 多个用于任务的神经网络模型，包括对象检测、分类、图像分割、手写识别、文本到语音、姿势估计等。 有两种型号。
始终检查设备支持页面以确保模型与您要运行它的设备兼容。查看我们关于 OpenVINO 的系列以了解详细信息。 Open Model Zoo 还包含大量演示应用程序以及运行它们的说明。您可以使用这些应用程序作为模板来构建您的应用程序。 您还可以使用模型分析器来获得对模型的更多见解，例如内存消耗、稀疏性、Gflop 等。请记住，模型分析器仅适用于中间表示 (IR)格式的模型。 如果您刚开始使用 OpenVino Toolkit，可能值得查看openvinotoolkit/openvino_notebooks 存储库。它包含可立即运行的 jupyter 笔记本，可帮助您快速了解如何使用Open Model Zoo中可用的 OpenVino 工具包和模型。
4 TensorFlow model garden 网址：https://github.com/tensorflow/models/tree/master/official TensorFlow 是机器学习的端到端开源平台，可以说是最流行的机器学习框架。 TensorFlow model garden是一个包含许多最先进 (SOTA) 模型的存储库。有三种型号。
此存储库的目的是通过在提供的默认配置、数据集和微调可用模型检查点的基础上为您提供训练自己的模型的构建块。 为了帮助您重现可用模型的训练结果，我们还提供了训练日志。 TensorFlow 用户可以利用提供的模型并将它们视为参考来训练他们的模型或从可用的检查点微调模型。 5 TensorFlow Hub 网址：https://v/ 与 TensorFlow Model Garden 不同，TensorFlow Hub 上可用的模型是即用型的，旨在用作具有设定输入和输出的黑匣子。如果您能找到适合您需求的型号，您可以使用它！ 您可以发现并下载从知名资源发布的数百个训练有素、可立即部署的机器学习模型。 为模型提供了所有部署详细信息，例如输入和输出格式、使用的数据集以及预期的性能指标，以帮助您为任务选择最佳模型。示例笔记本和交互式 Web 体验也可用于某些模型，使使用它们变得轻而易举。 可用模型的常见格式是 SavedModel、TFLite 或 TF.js 格式，可以直接在其可用tensorflow_hub 库中的代码中实现。它允许您以最少的代码在您的 TensorFlow 程序中下载和使用来自 TensorFlow Hub 的可用模型。 TensorFlow Hub 对社区贡献开放，因此我们可以确定模型的集合一定会增长，并且更多模型可供我们使用。 6 MeDiaPipe 网址：https://google./mediapipe/solutions/models MediaPipe 是由谷歌研究人员开发的开源、跨平台机器学习框架。它提供可定制的 ML 解决方案。 尽管 Mediapipe 项目仍处于 Alpha 阶段，但它的解决方案已经部署在我们使用的许多日常应用程序中。Google 的“动态静止图像”和 Youtube 的“隐私模糊”功能就是这样的例子。 除了轻量级和极快的性能之外，MediaPipe 还支持跨平台兼容性。我们的想法是构建一次 ML 模型，然后将其部署在不同的平台和设备上，并获得可重复的结果。 它支持 Python、C、Javascript、Android 和 IOS 平台。
7.CoreML 网址：https://github.com/likedan/Awesome-CoreML-Models Apple 的 CoreML 库允许 iOS、macOS、tvOS 或 watchOS 开发人员创建利用 AI 力量的有趣且令人兴奋的应用程序。它自 iOS 11 以来就已经存在，并以某种形式并入许多即将推出的应用程序中。 8.Jetson Model Zoo 网址：https://www./Jetson_Zoo#Model_Zoo Jetson 是 Nvidia 的嵌入式计算板，是嵌入式平台社区部署 AI 应用程序的热门选择。Jetson 可以运行各种高级网络，包括 TensorFlow、PyTorch、Caffe/Caffe2、Keras、MXNet 等流行 ML 框架的完整原生版本。 Jetson Model Zoo包含各种 DNN 模型，用于在支持TensorRT的 Nvidia Jetson 上进行推理。它包括指向带有模型的代码示例和模型的原始来源的链接。 提供了与其他流行的嵌入式开发板（如 Raspberry Pi、英特尔神经计算棒和 Google Edge TPU 开发板）相比，在 Nvidia Jetson 上测试的不同模型的推理基准。 9Modelplace.AI 网址：https:/// Modelplace.AI是机器学习模型的市场，也是社区分享其定制训练模型的平台。它拥有越来越多的用于各种计算机视觉任务的模型，包括分类、对象检测、姿势估计、分割或文本检测。
10ONNX Model zoo 网址：https://github.com/onnx/models 开放神经网络交换 (ONNX) 是一种开放标准格式，用于表示由社区成员贡献的机器学习模型。它提供了互操作性的好处，并使您能够将首选框架与您选择的推理引擎一起使用。您可以将其视为所有流行的 ML 框架相互交流的模型的通用语言。 它包含不同领域中许多不同任务的模型：
语言
其他
|
|
|
来自： 新用户0118F7lQ > 《文件夹1》
