anaksor-ocr
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
Detomo 做的 Streamlit 应用,用来从图片里识别汽车零件,仓库里有 ONNX 模型和保存的嵌入向量。适合探索图像分类的人。
Car Part Classification 汽车零件分类 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download Detomo/Car_part_classification --repo-type space --local-dir Car_part_classification cd Car_part_classification
Car Part Classification 是 Detomo 做的 Streamlit 应用。正如名字所说,它用来识别图片里的汽车零件。仓库里有一个 ONNX 模型文件、保存的嵌入向量、一个测试集,以及完整数据集的 CSV。README 只有标准的 Space 设置文字。
如果你想看一个针对狭窄主题的小型图像分类演示,或者想拿它的文件当起点,它就适合你。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 汽车 | 零件目录工作人员 | 试着把图片匹配到零件类型 | 上传一张零件照片,读结果 |
| 机器学习 | 学生 | 研究图像分类演示 | 看模型和嵌入向量是怎么存放的 |
| 研究 | 计算机视觉研究者 | 查看一个小型领域数据集的设置 | 阅读数据集文件和训练列表 |
| 电商 | 市场平台开发者 | 测试零件照片的分类 | 在演示上试几张商品照片 |
如果你需要有文档、公布了准确率的分类器,可以跳过它。
| 使用场景 | 谁用 | 得到什么 |
|---|---|---|
| 识别零件 | 新手 | 根据图片猜出零件类型 |
| 研究文件 | 学生 | 可供阅读的模型、嵌入向量和测试集 |
| 复用这套设置 | 开发者 | 包着 ONNX 模型的 Streamlit 应用 |
pip install -U huggingface_hub hf download Detomo/Car_part_classification --repo-type space --local-dir Car_part_classification cd Car_part_classification pip install streamlit pip install -r requirements.txt streamlit run app.py
打开这个 Space,如果页面要求,就给它一张汽车零件的图片。README 没有给出步骤,所以请按页面自己的提示操作。在自己的副本上,用下面的命令启动应用,再打开 Streamlit 打印出的本地页面。
streamlit run app.py
在线打开这个 Space,给它一张汽车零件的照片。你应该会得到它猜测的零件类型,不过 README 没有描述输出。
如果你是新手,在线打开这个 Space,试一张清晰的单个零件照片。零件在画面中间的简单图片最容易。
如果你熟悉这个领域,仓库里有一个 ONNX 模型、两种格式的嵌入向量、一个测试集、一个训练列表和辅助脚本。这说明用的可能是基于嵌入向量的做法,但 README 没有确认应用是怎么分类的,也没有说明准确率或类别。
Detomo 做的 Streamlit 应用,用来从图片里识别汽车零件,仓库里有 ONNX 模型和保存的嵌入向量。适合探索图像分类的人。
由 Detomo 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:Car Part Classification 是 Detomo 做的 Streamlit 应用。正如名字所说,它用来识别图片里的汽车零件。仓库里有一个 ONNX 模型文件、保存的嵌入向量、一个测试集,以及完整数据集的 CSV。README 只有标准的 Space 设置文字。
适合谁:如果你想看一个针对狭窄主题的小型图像分类演示,或者想拿它的文件当起点,它就适合你。
行业 | 谁在用 | 怎么用 | 例子
汽车 | 零件目录工作人员 | 试着把图片匹配到零件类型 | 上传一张零件照片,读结果
机器学习 | 学生 | 研究图像分类演示 | 看模型和嵌入向量是怎么存放的
研究 | 计算机视觉研究者 | 查看一个小型领域数据集的设置 | 阅读数据集文件和训练列表
电商 | 市场平台开发者 | 测试零件照片的分类 | 在演示上试几张商品照片
如果你需要有文档、公布了准确率的分类器,可以跳过它。
用在哪里:
使用场景 | 谁用 | 得到什么
识别零件 | 新手 | 根据图片猜出零件类型
研究文件 | 学生 | 可供阅读的模型、嵌入向量和测试集
复用这套设置 | 开发者 | 包着 ONNX 模型的 Streamlit 应用
如何设置:
pip install -U huggingface_hub
hf download Detomo/Car_part_classification --repo-type space --local-dir Car_part_classification
cd Car_part_classification
pip install streamlit
pip install -r requirements.txt
streamlit run app.py
如何使用:打开这个 Space,如果页面要求,就给它一张汽车零件的图片。README 没有给出步骤,所以请按页面自己的提示操作。在自己的副本上,用下面的命令启动应用,再打开 Streamlit 打印出的本地页面。
streamlit run app.py
示例:在线打开这个 Space,给它一张汽车零件的照片。你应该会得到它猜测的零件类型,不过 README 没有描述输出。
新手与专家:如果你是新手,在线打开这个 Space,试一张清晰的单个零件照片。零件在画面中间的简单图片最容易。
如果你熟悉这个领域,仓库里有一个 ONNX 模型、两种格式的嵌入向量、一个测试集、一个训练列表和辅助脚本。这说明用的可能是基于嵌入向量的做法,但 README 没有确认应用是怎么分类的,也没有说明准确率或类别。
你给应用一张汽车零件图片
ONNX 模型处理图像
应用把它和保存的数据对比
页面显示它的猜测
注意事项:
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 4 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| Car Part Classification 汽车零件分类 本页 | 4 | streamlit | apache-2.0 | |
| AI Phone Leaderboard共有 streamlit | 127 | streamlit | mit | |
| fev-bench共有 streamlit | 72 | docker | apache-2.0 | |
| Outsmart共有 streamlit | 62 | streamlit | mit | |
| HF BERTopic共有 streamlit | 24 | streamlit | mit | |
| HF SHAP共有 streamlit | 8 | streamlit | mit |
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
Qwen · 工具包
Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。
ACE-Step · 工具包
用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。
AbdomenAtlas · 工具包
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。