Mindket

Car Part Classification 汽车零件分类

新上架第 1 版 · 更新于

概览

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。

速览

你需要
  • 在线使用的话什么都不用装
  • 在自己电脑上运行副本需要 Python
  • requirements.txt 里的 Python 包
  • packages.txt 里的系统包,由 Hugging Face 用 apt-get 安装
用在
  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 你自己的电脑,Windows、macOS 或 Linux
先运行
pip install -U huggingface_hub
hf download Detomo/Car_part_classification --repo-type space --local-dir Car_part_classification
cd Car_part_classification

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

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

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 你自己的电脑,Windows、macOS 或 Linux
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

  • 在线使用的话什么都不用装
  • 在自己电脑上运行副本需要 Python
  • requirements.txt 里的 Python 包
  • packages.txt 里的系统包,由 Hugging Face 用 apt-get 安装
  1. 打开 Hugging Face 上这个 Space 的页面,即可在线使用。
  2. 要运行副本,先安装 huggingface_hub,再把这个 Space 下载到一个文件夹。它有一千多个文件,下载需要一些时间。
  3. 进入该文件夹,安装 Streamlit,再安装列出的依赖包。
  4. 用 Streamlit 启动应用。
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

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。

  1. 你给应用一张汽车零件图片
  2. ONNX 模型处理图像
  3. 应用把它和保存的数据对比
  4. 页面显示它的猜测

注意事项

  • License: apache-2
  • Cost to run: 没有提到费用。在线的 Space 运行在 Hugging Face 上。
  • Data it reaches: 你提供的图片,以及仓库里的模型和数据集文件。

README 和文件

README

Car Part Classification 汽车零件分类

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。

简介

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:

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 你自己的电脑,Windows、macOS 或 Linux
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:

  • 在线使用的话什么都不用装
  • 在自己电脑上运行副本需要 Python
  • requirements.txt 里的 Python 包
  • packages.txt 里的系统包,由 Hugging Face 用 apt-get 安装
  1. 打开 Hugging Face 上这个 Space 的页面,即可在线使用。
  2. 要运行副本,先安装 huggingface_hub,再把这个 Space 下载到一个文件夹。它有一千多个文件,下载需要一些时间。
  3. 进入该文件夹,安装 Streamlit,再安装列出的依赖包。
  4. 用 Streamlit 启动应用。
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

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:

  • License: apache-2
  • Cost to run: 没有提到费用。在线的 Space 运行在 Hugging Face 上。
  • Data it reaches: 你提供的图片,以及仓库里的模型和数据集文件。

Hugging Face 上的数据(2026年11月13日)

  • 点赞:4
  • 构建方式:streamlit
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/Detomo/Car_part_classification
  • 文件:https://huggingface.co/spaces/Detomo/Car_part_classification/tree/main

试用

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。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

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4streamlitapache-2.0
AI Phone Leaderboard共有 streamlit127streamlitmit
fev-bench共有 streamlit72dockerapache-2.0
Outsmart共有 streamlit62streamlitmit
HF BERTopic共有 streamlit24streamlitmit
HF SHAP共有 streamlit8streamlitmit
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

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。

新上架

Qwen2.5-7B-Instruct-GGUF

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。

新上架

ACE-Step 1.5 XL SFT

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。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

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。

新上架

EarthJev

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。

新上架

getting-over-it-rl-jax

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。

新上架