模型找得到，
下载更顺手。

本模型为高性能热门应用系列检测模型中的 实时手机检测模型，基于面向工业落地的高性能检测框架DAMOYOLO，其精度和速度超越当前经典的YOLO系列方法。用户使用的时候，仅需要输入一张图像，便可以获得图像中所有手机的坐标信息，并可用于打电话检测等后续应用场景。 以下是ModelScope上所有的热门应用检测模型（垂类目标检测模型）： 1 实时人体检测模型 6 实时香烟检测模型

本模型为高性能热门应用系列检测模型中的 实时人头检测模型，基于面向工业落地的高性能检测框架DAMOYOLO，其精度和速度超越当前经典的YOLO系列方法。用户使用的时候，仅需要输入一张图像，便可以获得图像中所有人头的坐标信息，并可用于行人计数等后续应用场景。 以下是ModelScope上所有的热门应用检测模型（垂类目标检测模型）： 1 实时人体检测模型 6 实时香烟检测模型

名称 Name 任务 Task 语言 Language(s) 模型 Model Github AltCLIP-m18 Text-Image Multilingual CLIP FlagAI 简介 Brief Introduction

基础视觉模型高效调优：U-Tuning 论文链接：Rethinking Efficient Tuning Methods from a Unified Perspective（arXiv） 本工作从统一的角度对现有参数高效迁移学习方法（Parameter-efficient Transfer Learning, PETL）进行重新思考。一方面，进一步审视了现有的调优范式，提出了主流调优方法的并行化形式，以降低了模型结构的耦合度。另一方面，为参数高效的迁移学习提供了一个统一的框

基于大规模预训练基础模型的参数高效迁移学习方法在各种下游应用中均取得了优异的表现，其中包括了利用LoRA进行调优的方法。该方法对多头注意力层中的映射权重额外添加了低秩矩阵的训练模块，仅需训练极少部分的参数，就能取得不错的性能表现。 该页面展示了LoRA在图像分类任务上的应用，即给定一张图片，返回候选类别中的分类标签及置信度。 Prompt的模型结构如下所示，其中左侧为LoRA嵌入到Vision Transformer中的框架，右侧为LoRA的具体结构：

YOLOPv2 适用于自动驾驶场景下的实时全景驾驶感知, 同时执行三种不同的任务，分别为车辆检测，可行驶区域分割以及车道线分割。 YOLOPv2(官方代码) 是YOLOP(You Only Look Once for Panoptic Driving Perception)的升级版，输入一张图像，输出所有车辆区域检测框、可行驶区域(Drivable area)和车道线(Lane Line)分割图。可视化结果如下。 输入任意分辨率图像，返回图像中的车辆坐标，可行驶区域及车道线二

基础视觉模型高效调优：Adapter 基于大规模预训练基础模型的参数高效迁移学习方法在各种下游应用中均取得了优异的表现，其中包括了利用Adapter进行调优的方法。该方法通过额外添加了类bottleneck的神经网络模块，仅需训练极少部分的参数，就能取得不错的性能表现。 该页面展示了Adapter在图像分类任务上的应用，即给定一张图片，返回候选类别中的分类标签及置信度。

基于大规模预训练基础模型的参数高效迁移学习方法在各种下游应用中均取得了优异的表现，其中包括了利用Prefix进行调优的方法。该方法对多头注意力层中生成的key和value分别添加了多个可学习的prefix向量，仅需训练极少部分的参数，就能取得不错的性能表现。 该页面展示了Prefix在图像分类任务上的应用，即给定一张图片，返回候选类别中的分类标签及置信度。 Prompt的模型结构如下所示，其中左侧为Prefix嵌入到Vision Transformer中的框架，右侧为Pref

基于大规模预训练基础模型的参数高效迁移学习方法在各种下游应用中均取得了优异的表现，其中包括了利用Prompt进行调优的方法。该方法对输入的块嵌入向量额外添加了多个可学习的prompt向量，仅需训练极少部分的参数，就能取得不错的性能表现。 该页面展示了Prompt在图像分类任务上的应用，即给定一张图片，返回候选类别中的分类标签及置信度。 Prompt的模型结构如下所示，其中左侧为Prompt嵌入到Vision Transformer中的框架，右侧为Prompt的具体结构：

稳定调用及效果更好的API，详见视觉开放智能平台：人脸检测与五官定位。 本模型基于Nas搜索出来的backone + scrfd-0.5G的head module 和FPN结构。 本模型可以检测输入图片中人脸的位置。

BEiTv2(base模型，在ImageNet-1k上预训练，并在ImageNet-21k上进行微调) BEiTv2模型先在ImageNet-1k(1419万张图像,1000个类别)数据集上以自监督的方式进行预训练，并在ImageNet-21k(1400万张图像，21,841个类别)数据集上进行微调，得到的预训练模型在下游ImageNet-1k分类任务上进行微调后，BEiTv2-base在ImageNet-1k验证集上达到了86.5%的top-1精度，在其它下游任务上也分别达

图像画质损伤分析模型分析输入图像，输出常见画质损伤的各维度客观评分，包括清晰度评估、点状噪声水平评估、压缩噪声水平评估。 采用resnet50结构，使用图片网站 pexels 中最受欢迎的 130,000 张图片作为训练集，通过模拟各种降质来训练模型对清晰度、点状噪声、压缩噪声的评估。 对输入的图像直接进行推理，或对视频抽帧结果进行处理得到整个视频的画质损伤分析结果。

M2FP（Mask2Former for Parsing，官方代码）基于 Mask2Former 架构，并进行了一些改进以适应人体解析。 M2FP 可以适应几乎所有人体解析任务并产生惊人的性能。 本模型适用于仅包含单个人体的图像，对图片中的人体各组件进行解析、分割。 在ModelScope框架上，提供输入图片，即可通过简单的Pipeline调用来使用。

FastInst快速实例分割模型介绍 FastInst是一种简单的基于查询的图像分割框架。它的关键设计包括实例激活引导的查询、双路径更新策略和真值掩码引导的学习。这些组件使我们能够使用更轻量的像素解码器、更少的Transformer解码器层，同时获得更好的性能。 实验表明，FastInst在速度和准确性方面优于大多数最先进的实时实例分割模型，包括强大的全卷积网络基线。其结构示意图如下所示 本模型适用范围较广，能对图片中包含的一般物体（COCO 80类）进行实例级别的分割。

BEiTv2(large模型，在ImageNet-1k上预训练，并在ImageNet-21k上进行微调) BEiTv2模型先在ImageNet-1k(1419万张图像,1000个类别)数据集上以自监督的方式进行预训练，并在ImageNet-21k(1400万张图像，21,841个类别)数据集上进行微调，得到的预训练模型在下游ImageNet-1k分类任务上进行微调后，BEiTv2-large在ImageNet-1k验证集上达到了88.4%的top-1精度，在其它下游任务上也分

Bad Image Detecting 基于mobilenet-v2的一个简单基线，可以有效检测异常图像，包括编解码或者图像宽高、行偏移错误等造成的花屏，绿屏图像。 Bad Image Detecting

M2FP（Mask2Former for Parsing，官方代码）基于 Mask2Former 架构，并进行了一些改进以适应人体解析。 M2FP 可以适应几乎所有人体解析任务并产生惊人的性能。 本模型适用于包含多个人体的图像，对图片中的人体各组件进行解析、分割。 在ModelScope框架上，提供输入图片，即可通过简单的Pipeline调用来使用。

Image Quality Assessment for UGC 基于resnet的一个简单基线，可以有效评估图像的无参考画质，达到SOTA性能。其网络结构如下图所示： image quality assessment