Mindket

GeCo2 Object Counting

新上架第 1 版 · 更新于

概览

在你标出几个示例之后,数出图片里某个物体的所有实例,不需要重新训练,也没有固定的类别清单。适合研究人员和想数照片里物品的人。

GeCo2 Object Counting 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
  • 装有 pip 的 Python 3.10.13,系统可以是 Windows、macOS 或 Linux
  • Hugging Face hub 客户端,第一步会安装它
  • requirements.txt 里列出的软件包
用在
  • 浏览器:打开 Hugging Face 上这个 Space 的页面,不用安装任何东西
  • 在 Windows、macOS 或 Linux 上,用 Python 3.10.13 运行的副本
先运行
pip install -U huggingface_hub
hf download jerpelhan/GECO2-demo --repo-type space --local-dir GECO2-demo
cd GECO2-demo

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

GeCo2 数图片里的物体。你标出几个你关心的那种东西的例子,它就找出并数出图像里每一个匹配的实例。它不需要固定的物体类别清单,也不需要重新训练。这个 Space 是 GeCo2 模型的 Gradio 演示,基于更早的一个叫 CountGD 的计数演示。

适合谁

它适合研究小样本计数的研究人员,也适合要数少见物体、又缺少标注数据的人。

IndustryWho uses itHow they use itExample
零售与库存库存人员数照片里显示的物品标出货架上的一个盒子,再数其余的
农业种植者和农艺师数图像里的植物或水果标出两个果子,再数树的照片里其余的
实验室工作技术人员在没有训练好的计数器时数小物体标出几个样本,再数图片里所有相似的
研究计算机视觉研究人员在新的物体类型上试用小样本计数比较选不同示例得到的数量

如果你想要一个不需要示例的计数器,可以跳过它,因为这个要你标出几个。

用在哪里

  • 浏览器:打开 Hugging Face 上这个 Space 的页面,不用安装任何东西
  • 在 Windows、macOS 或 Linux 上,用 Python 3.10.13 运行的副本
Use caseWhoWhat they get back
数照片里的物体手上有图片的人找出并数出所有匹配的实例
探索新类别研究人员不用训练新模型就得到一个快速的计数
阅读代码开发者一个带有 SAM 2 和 Deformable-DETR 文件夹的仓库

如何设置

在线版本什么都不用准备。要在自己的电脑上运行副本,你需要下面这些。

  • 装有 pip 的 Python 3.10.13,系统可以是 Windows、macOS 或 Linux
  • Hugging Face hub 客户端,第一步会安装它
  • requirements.txt 里列出的软件包
  1. 安装 Hugging Face hub 客户端。
  2. 把这个 Space 的文件下载到本地文件夹。
  3. 进入这个文件夹。
  4. 安装这个 Space 指定的 Gradio 版本。
  5. 从 requirements.txt 安装其余的软件包。
  6. 启动 demo_gradio.py。
pip install -U huggingface_hub
hf download jerpelhan/GECO2-demo --repo-type space --local-dir GECO2-demo
cd GECO2-demo
pip install gradio==5.50.0
pip install -r requirements.txt
python demo_gradio.py

如何使用

上传一张图像,再标出几个你想数的物体的例子。GeCo2 会把这个概念铺到整张图上,并数出匹配的数量。来源没有描述具体的控件,所以请照着页面上的标签操作。

python demo_gradio.py

示例

你上传一张一碗橙子的照片,标出其中两三个作为示例。这个 Space 会返回检测出匹配橙子的照片,你就能读出一共有多少个。来源没有给出准确率数字。

新手与专家

如果你是新手,挑一张里面有很多相似物体、且看得清楚的图片,标出两三个干净的示例。如果第一次的数量看起来不对,就再多加一个示例。

如果你熟悉这个领域,GeCo2 从少量示例中学出目标,不需要固定的类别清单,再把它用到整张图上来检测和计数。这个 Space 列出了四种 SAM 2 Hiera 尺寸,从 tiny 到 large,运行在 zero-a10g 硬件上。论文里关于尺度变化和多种领域的说法,是作者自己的。

  1. 你上传一张图像
  2. 你标出几个示例物体
  3. GeCo2 把概念铺到整张图上
  4. 匹配的物体被检测并计数

注意事项

来源是一个演示页面,所以没有描述速度和准确率的限制。

  • License: mit,按 Hugging Face 上的标注
  • Cost to run: 没有提到 API 密钥或付费服务,在线版本运行在 Hugging Face 的 zero-a10g 硬件上
  • Data it reaches: 你上传的图片,在线 Space 在 Hugging Face 的服务器上处理它们,另外还有这个 Space 列出的一个素材数据集
  • Not for: 来源没有列出排除项,所以请只使用你有权使用的图片

README 和文件

README

GeCo2 Object Counting

在你标出几个示例之后,数出图片里某个物体的所有实例,不需要重新训练,也没有固定的类别清单。适合研究人员和想数照片里物品的人。

由 jerpelhan 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:GeCo2 数图片里的物体。你标出几个你关心的那种东西的例子,它就找出并数出图像里每一个匹配的实例。它不需要固定的物体类别清单,也不需要重新训练。这个 Space 是 GeCo2 模型的 Gradio 演示,基于更早的一个叫 CountGD 的计数演示。

适合谁:它适合研究小样本计数的研究人员,也适合要数少见物体、又缺少标注数据的人。

Industry | Who uses it | How they use it | Example
零售与库存 | 库存人员 | 数照片里显示的物品 | 标出货架上的一个盒子,再数其余的
农业 | 种植者和农艺师 | 数图像里的植物或水果 | 标出两个果子,再数树的照片里其余的
实验室工作 | 技术人员 | 在没有训练好的计数器时数小物体 | 标出几个样本,再数图片里所有相似的
研究 | 计算机视觉研究人员 | 在新的物体类型上试用小样本计数 | 比较选不同示例得到的数量

如果你想要一个不需要示例的计数器,可以跳过它,因为这个要你标出几个。

用在哪里:

  • 浏览器:打开 Hugging Face 上这个 Space 的页面,不用安装任何东西
  • 在 Windows、macOS 或 Linux 上,用 Python 3.10.13 运行的副本
Use case | Who | What they get back
数照片里的物体 | 手上有图片的人 | 找出并数出所有匹配的实例
探索新类别 | 研究人员 | 不用训练新模型就得到一个快速的计数
阅读代码 | 开发者 | 一个带有 SAM 2 和 Deformable-DETR 文件夹的仓库

如何设置:在线版本什么都不用准备。要在自己的电脑上运行副本,你需要下面这些。

  • 装有 pip 的 Python 3.10.13,系统可以是 Windows、macOS 或 Linux
  • Hugging Face hub 客户端,第一步会安装它
  • requirements.txt 里列出的软件包
  1. 安装 Hugging Face hub 客户端。
  2. 把这个 Space 的文件下载到本地文件夹。
  3. 进入这个文件夹。
  4. 安装这个 Space 指定的 Gradio 版本。
  5. 从 requirements.txt 安装其余的软件包。
  6. 启动 demo_gradio.py。
pip install -U huggingface_hub
hf download jerpelhan/GECO2-demo --repo-type space --local-dir GECO2-demo
cd GECO2-demo
pip install gradio==5.50.0
pip install -r requirements.txt
python demo_gradio.py

如何使用:上传一张图像,再标出几个你想数的物体的例子。GeCo2 会把这个概念铺到整张图上,并数出匹配的数量。来源没有描述具体的控件,所以请照着页面上的标签操作。

python demo_gradio.py

示例:你上传一张一碗橙子的照片,标出其中两三个作为示例。这个 Space 会返回检测出匹配橙子的照片,你就能读出一共有多少个。来源没有给出准确率数字。

新手与专家:如果你是新手,挑一张里面有很多相似物体、且看得清楚的图片,标出两三个干净的示例。如果第一次的数量看起来不对,就再多加一个示例。

如果你熟悉这个领域,GeCo2 从少量示例中学出目标,不需要固定的类别清单,再把它用到整张图上来检测和计数。这个 Space 列出了四种 SAM 2 Hiera 尺寸,从 tiny 到 large,运行在 zero-a10g 硬件上。论文里关于尺度变化和多种领域的说法,是作者自己的。

你上传一张图像
你标出几个示例物体
GeCo2 把概念铺到整张图上
匹配的物体被检测并计数

注意事项:来源是一个演示页面,所以没有描述速度和准确率的限制。

  • License: mit,按 Hugging Face 上的标注
  • Cost to run: 没有提到 API 密钥或付费服务,在线版本运行在 Hugging Face 的 zero-a10g 硬件上
  • Data it reaches: 你上传的图片,在线 Space 在 Hugging Face 的服务器上处理它们,另外还有这个 Space 列出的一个素材数据集
  • Not for: 来源没有列出排除项,所以请只使用你有权使用的图片

Hugging Face 上的数据(2026年11月13日)

  • 点赞:11
  • 构建方式:gradio
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/jerpelhan/GECO2-demo
  • 文件:https://huggingface.co/spaces/jerpelhan/GECO2-demo/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  5 KB

1 个文件,共 5 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
GeCo2 Object Counting 本页11gradiomit
Open VLM Leaderboard共有 gradio1,034gradioapache-2.0
Face Swap共有 gradio808gradiocc-by-nc-sa-4.0
TTS Spaces Arena共有 gradio493gradiozlib
Depth Anything 3共有 gradio490gradiocc-by-nc-4.0
BLIP共有 gradio431gradiobsd-3-clause
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