DocLayout-YOLO

Améliore l'analyse de la mise en page des documents grâce à des données synthétiques diversifiées et une perception adaptative globale à locale.

Produit OrdinaireImageAnalyse de la mise en page des documentsApprentissage profond

Ouvrir le site Web

DocLayout-YOLO est un modèle d'apprentissage profond pour l'analyse de la mise en page des documents. Il améliore la précision et la vitesse de traitement de l'analyse de la mise en page grâce à des données synthétiques diversifiées et une perception adaptative globale à locale. Le modèle génère un ensemble de données DocSynth-300K diversifié et à grande échelle grâce à l'algorithme Mesh-candidate BestFit, améliorant ainsi significativement les performances de réglage fin sur différents types de documents. De plus, il propose un module de champ de réception contrôlable global à local, permettant une meilleure gestion des variations d'échelle des éléments de document. DocLayout-YOLO offre d'excellents résultats sur divers jeux de données en aval pour différents types de documents, avec des avantages notables en termes de vitesse et de précision.

Best AI Websites & Tools

DocLayout-YOLO

DocLayout-YOLO Dernière situation du trafic

DocLayout-YOLO Tendance des visites

DocLayout-YOLO Distribution géographique des visites

DocLayout-YOLO Sources de trafic

DocLayout-YOLO Alternatives

DocLayout-YOLO — Améliore l'analyse de la mise en page des documents grâce à des données synthétiques diversifiées et une perception adaptative globale à locale.

StagiaireVL d'OpenGVLab — Un modèle linguistique visuel IA offrant des services d'analyse et de description d'images.

Florence-VL — Outil d'amélioration des modèles de langage visuel, combinant un encodeur visuel génératif et une technique de fusion profonde et large.

llava-llama-3-8b-v1_1 — Modèle LLaVA optimisé par XTuner, combinant traitement d'images et de texte.

MindOne — MindOne : une application d'outils de génération IA tout-en-un

Anthropic — Construire l'avenir de l'intelligence artificielle

Perception Machine — Reconnaissance et analyse intelligentes d'images

HunyuanVideo-I2V — HunyuanVideo-I2V est un framework de génération d'image à vidéo basé sur HunyuanVideo, lancé par Tencent.

Google CameraTrapAI — Modèle d'IA entraîné par Google, utilisé pour classer les espèces présentes sur les images de pièges photographiques pour la faune sauvage.

QwQ-32B — QwQ-32B est un puissant modèle d'inférence, conçu pour la résolution de problèmes complexes et la génération de texte, avec des performances exceptionnelles.

CogView4-6B — CogView4-6B est un puissant modèle de génération d’images à partir de texte, axé sur la génération d’images de haute qualité.

UniTok — UniTok est un tokeniseur visuel unifié pour la génération et la compréhension d'images.

PhotoDoodle — PhotoDoodle est une implémentation de code d'édition d'images artistiques basée sur l'apprentissage à partir de quelques exemples de paires de données.

Données de profilage dans l'infrastructure DeepSeek — Analyse des stratégies de chevauchement calcul/communication dans V3/R1, fournissant des données d'analyse de performance pour les frameworks d'apprentissage profond.

EPLB — Un algorithme open source pour l'équilibrage de charge du parallélisme expert, conçu pour optimiser l'allocation et l'équilibrage de charge des experts dans un environnement multi-GPU.

DualPipe — Algorithme de parallélisation pipeline bidirectionnel pour le chevauchement des calculs et des communications pendant l'entraînement V3/R1.

DeepGEMM — DeepGEMM est une bibliothèque CUDA pour une multiplication matricielle FP8 efficace, prenant en charge le scaling granulaire fin et plusieurs techniques d'optimisation.

DeepEP — DeepEP est une bibliothèque de communication efficace pour les modèles Mixture-of-Experts et la communication parallèle d'experts.

FlexHeadFA — Mécanisme d'attention précis, rapide et économe en mémoire

FlashMLA — FlashMLA est un noyau de décodage MLA hautement efficace optimisé pour les GPU Hopper, adapté aux services de séquences de longueur variable.

QwQ-Max-Preview — QwQ-Max-Preview est le dernier né de la série Qwen, basé sur Qwen2.5-Max. Il offre des capacités de raisonnement et d'applications multi-domaines puissantes.

Claude 3.7 Sonnet — Claude 3.7 Sonnet est le dernier modèle intelligent d'Anthropic, offrant des réponses rapides et un raisonnement approfondi.

VLM-R1 — VLM-R1 est un modèle linguistique visuel renforcé stable et polyvalent, axé sur les tâches de compréhension visuelle.

PaliGemma 2 mix — PaliGemma 2 mix est un modèle linguistique visuel multifonctionnel, adapté à diverses tâches et domaines.

BioEmu — BioEmu est un modèle d'apprentissage profond génératif conçu pour simuler de manière évolutive les ensembles canoniques de protéines.

FlashVideo — FlashVideo est un modèle de génération vidéo haute résolution et performant, axé sur la fluidité des détails et la fidélité.

Détection de compatibilité des modèles DeepSeek — Détermine si un appareil peut exécuter des modèles DeepSeek de différentes tailles et fournit une prédiction de compatibilité.

Huginn-0125 — Huginn-0125 est un modèle profond récurrent à variables latentes de 3,5 milliards de paramètres, excellemment adapté au raisonnement et à la génération de code.

pré-entraînement de modèles linguistiques récurrents — Code de pré-entraînement pour des modèles linguistiques récurrents profonds à grande échelle, capable de fonctionner sur 4096 GPU AMD.

InspireMusic — Boîte à outils de génération de musique, de chansons et d'audio basée sur PyTorch, prenant en charge la génération audio haute fidélité.