目标检测领域，迎来了新进展——
Grounding DINO 1.5，IDEA研究院团队出品，在端侧就可实现实时识别。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
这一进展获得AI大佬沈向洋转发，他一般都是一年一转的节奏。
此次发布主要有两个版本：Pro和Edge。Pro版更强，Edge版更快。
它仍然保留了上一个版本Grounding DINO双编码器-单解码器结构，在此基础上通过结合更大的视觉 backbone 扩大模型尺寸，并使用超过2000万的Grounding 数据获得了丰富的语料，大幅提升了检测精度和速度，且通过Pro和Edge版本分别针对不同应用场景进行了优化。
在大规模数据集构建和高精度需求场景中，Pro版本表现卓越，而Edge版本则在端侧部署中展示了其独特的优势。
这就来分别看一看。
Pro版目标检测新SOTA
Grounding+DINO+1.5 Pro版本实现了当前开集目标检测SOTA水平，在图像和文本的语义理解上表现出色，能够快速、准确地根据语言提示检测和识别图像中的目标对象。
△在COCO、LVIS、ODinW35和ODinW13基准测试中的零样本迁移性能对比
物体级别理解是机器和物理世界交互的感知基础，也是解决多模态大模型（VLM）幻觉问题绕不过去的基础问题。
作为当前性能最好的开集检测模型，Grounding DINO 1.5 Pro 可以帮助构建海量的具有物体级别语义信息的多模态数据，从而有效地助力多模态大模型的训练。
它可以将长文本描述中的短语与图像中的具体对象或场景精确匹配，以增强AI对视觉内容和文本之间关系的理解
另外，在其他需要处理大量复杂数据的领域，如电商、社交媒体和自动驾驶等，Grounding DINO 1.5 Pro 也具有强大应用价值。
例如，在电商领域，该模型可以帮助快速标注商品图像，优化搜索和推荐系统。在社交媒体中，该模型能自动标注用户上传的图片，提升内容审核和分类的效率。
INFINITE ALBUM
面向游戏玩家的生成式AI音乐
144 查看详情 
支持行业数据微调
除此之外，Pro版还支持通过行业数据进行微调（fine tuning），以满足各行业的特定需求，从而达到更加精准的识别效果。
为了验证微调带来的提升，CVR团队在视觉领域通用的LVIS等公开数据集上进行了对比实验。
从最后两行可看出，Grounding DINO 1.5 Pro经过微调，在多个数据集上都展现出大幅的性能提升。
而在多个实际场景，也十分适配。
像在医疗领域，通过微调后的Grounding DINO 1.5 Pro可以更准确地识别医疗影像中的病灶，辅助医生进行诊断，提高诊疗效率。
在零售行业，微调后的模型能更精准地识别和分类商品，有助于库存管理和销售分析。
Edge版端侧可部署
在端侧部署方面，Grounding DINO 1.5 Edge版本通过模型结构优化，成功部署在NVIDIA Orin NX卡上，并实现了10FPS的推理速度。
再者，它可以让机器人和开放环境进行交互。
在自动驾驶领域，Grounding DINO 1.5 Edge未来可以在车辆上实时运行，实现高效的目标检测和环境感知，提高驾驶安全性。在智能安防中，该模型能快速处理视频监控数据，实时检测异常行为，提升安全监控的响应速度。
未来，Grounding DINO 1.5 Edge的运行速度有望提升至20到30FPS，进一步扩大其在边缘计算领域的应用范围。
论文链接：
https://arxiv.org/abs/2405.10300
项目试玩链接：
https://deepdataspace.com/playground/grounding_dino
以上就是目标检测新SOTA，端侧实时识别，沈向洋罕见转发点赞的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/795300.html
微信扫一扫 
支付宝扫一扫 
