Mindket

Landmark Detection

新上架第 1 版 · 更新于

概览

一个 Gradio 应用,名字指向地标检测,可在浏览器里试用。README 没有描述,具体输入和输出要看页面。

Landmark Detection 是一款工具包,属于开发类,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
  • Python 和 pip
  • huggingface_hub 包,用来获取文件
  • requirements.txt 里的包,以及 Gradio
用在
  • 网页浏览器,直接在 Hugging Face 的 Space 页面上使用
  • 在装有 Python 的 Windows、macOS 或 Linux 上运行本地副本
先运行
pip install -U huggingface_hub
hf download coolzude/Landmark-Detection --repo-type space --local-dir Landmark-Detection
cd Landmark-Detection

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Landmark Detection 是 Hugging Face Spaces 上的一个 Gradio 应用。名字指向检测地标,但 README 只有设置模板,没有说明是哪一类,也没有说明应用接收什么输入。代码是 app.py,requirements.txt 列出了 Python 包。

适合谁

它适合想在浏览器里试用地标检测演示的人,也适合想读一个简短 Gradio 示例的学习者。

IndustryWho uses itHow they use itExample
计算机视觉学生阅读 app.py,看检测这一步怎么写下载这个 Space,打开 app.py
机器学习爱好者在本地运行一份副本来试用装好包后运行 python app.py
教育讲师把这个小仓库当作课堂示例展示三个文件以及它们如何配合

如果你需要有文档说明的输入、输出或准确率,可以跳过它,因为 README 没有给出。

用在哪里

  • 网页浏览器,直接在 Hugging Face 的 Space 页面上使用
  • 在装有 Python 的 Windows、macOS 或 Linux 上运行本地副本
Use caseWhoWhat they get back
在线试用应用好奇的人在浏览器里运行的 Gradio 页面,无需安装任何东西
学习检测演示学习者一个只有一个应用文件和一个依赖文件的小仓库

如何设置

在线使用什么都不用装。本地副本需要先准备这些。

  • Python 和 pip
  • huggingface_hub 包,用来获取文件
  • requirements.txt 里的包,以及 Gradio
  1. 安装 Hugging Face Hub 包。
  2. 把这个 Space 下载到名为 Landmark-Detection 的文件夹。
  3. 进入这个文件夹。
  4. 先安装 Gradio,再安装 requirements.txt 里的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download coolzude/Landmark-Detection --repo-type space --local-dir Landmark-Detection
cd Landmark-Detection
pip install gradio
pip install -r requirements.txt
python app.py

如何使用

打开 Hugging Face 上的 Space 页面,使用加载出来的页面。本地副本则在文件夹里运行 python app.py,再打开它启动的页面。

示例

你在 Landmark-Detection 文件夹里运行 python app.py。Gradio 页面会在浏览器里出现,用法和 Space 页面上一样。

新手与专家

如果你是新手,先打开 Space 页面。它会显示应用要什么输入、给什么结果,不用安装任何东西。

如果你懂这个领域,设置里没有指定模型,所以检测逻辑在 app.py 和它的依赖里。地标的类型、方法和准确率都没有说明。

  1. 打开 Space 或运行 python app.py
  2. app.py 运行检测这一步
  3. Gradio 在浏览器里显示结果

注意事项

  • README 没有描述,所以具体的输入和输出要在页面上才清楚
  • 它需要 Gradio 和 requirements.txt 里的包
  • License: mit
  • Cost to run: 未提及
  • Data it reaches: 未提及

README 和文件

README

Landmark Detection

一个 Gradio 应用,名字指向地标检测,可在浏览器里试用。README 没有描述,具体输入和输出要看页面。

由 coolzude 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:Landmark Detection 是 Hugging Face Spaces 上的一个 Gradio 应用。名字指向检测地标,但 README 只有设置模板,没有说明是哪一类,也没有说明应用接收什么输入。代码是 app.py,requirements.txt 列出了 Python 包。

适合谁:它适合想在浏览器里试用地标检测演示的人,也适合想读一个简短 Gradio 示例的学习者。

Industry | Who uses it | How they use it | Example
计算机视觉 | 学生 | 阅读 app.py,看检测这一步怎么写 | 下载这个 Space,打开 app.py
机器学习 | 爱好者 | 在本地运行一份副本来试用 | 装好包后运行 python app.py
教育 | 讲师 | 把这个小仓库当作课堂示例 | 展示三个文件以及它们如何配合

如果你需要有文档说明的输入、输出或准确率,可以跳过它,因为 README 没有给出。

用在哪里:

  • 网页浏览器,直接在 Hugging Face 的 Space 页面上使用
  • 在装有 Python 的 Windows、macOS 或 Linux 上运行本地副本
Use case | Who | What they get back
在线试用应用 | 好奇的人 | 在浏览器里运行的 Gradio 页面,无需安装任何东西
学习检测演示 | 学习者 | 一个只有一个应用文件和一个依赖文件的小仓库

如何设置:在线使用什么都不用装。本地副本需要先准备这些。

  • Python 和 pip
  • huggingface_hub 包,用来获取文件
  • requirements.txt 里的包,以及 Gradio
  1. 安装 Hugging Face Hub 包。
  2. 把这个 Space 下载到名为 Landmark-Detection 的文件夹。
  3. 进入这个文件夹。
  4. 先安装 Gradio,再安装 requirements.txt 里的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download coolzude/Landmark-Detection --repo-type space --local-dir Landmark-Detection
cd Landmark-Detection
pip install gradio
pip install -r requirements.txt
python app.py

如何使用:打开 Hugging Face 上的 Space 页面,使用加载出来的页面。本地副本则在文件夹里运行 python app.py,再打开它启动的页面。

示例:你在 Landmark-Detection 文件夹里运行 python app.py。Gradio 页面会在浏览器里出现,用法和 Space 页面上一样。

新手与专家:如果你是新手,先打开 Space 页面。它会显示应用要什么输入、给什么结果,不用安装任何东西。

如果你懂这个领域,设置里没有指定模型,所以检测逻辑在 app.py 和它的依赖里。地标的类型、方法和准确率都没有说明。

打开 Space 或运行 python app.py
app.py 运行检测这一步
Gradio 在浏览器里显示结果

注意事项:

  • README 没有描述,所以具体的输入和输出要在页面上才清楚
  • 它需要 Gradio 和 requirements.txt 里的包
  • License: mit
  • Cost to run: 未提及
  • Data it reaches: 未提及

Hugging Face 上的数据(2026年11月13日)

  • 点赞:1
  • 构建方式:gradio
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/coolzude/Landmark-Detection
  • 文件:https://huggingface.co/spaces/coolzude/Landmark-Detection/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
Landmark Detection 本页1gradiomit
FLUX.1 [dev]共有 gradio9,583gradiomit
InstantID共有 gradio3,659gradioapache-2.0
Chat With Janus-Pro-7B共有 gradio2,036gradiomit
PhotoMaker共有 gradio1,960gradioapache-2.0
Z Image Turbo共有 gradio1,940gradioapache-2.0
数据为 Mindket 在 2026-11-12 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

Nanosaur2-670M

well9472 · 工具包

用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。

新上架

waqf-ocr-hand-written-v1

Waqf-AI · 工具包

读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。

新上架

Wan2.2-TI2V-5B-Diffusers

Wan-AI · 工具包

根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。

新上架

开发类的相似商品

查看开发类的全部商品

Wan2.2-S2V-14B

Wan-AI · 工具包

根据音频生成电影感的角色视频,也能给现有视频做口型同步。适合有大显卡的视频创作者、动画师和研究人员。

新上架

Wan2.2-Animate-14B

Wan-AI · 工具包

通过复制表演者的动作和表情,让角色动起来,或把角色换进视频里,是 Wan2.2 视频系列中的一个模型。只能使用你有权使用的面孔和形象。

新上架

d3-turbo

vllm-sr · 工具包

在一次调用中回答关于文字、图片或视频的选择、是非、打分、框选和跟踪类问题,并为每个答案给出概率。适合构建路由或视觉检查的人。

新上架