Core ML 模型

利用训练好的 Core ML 模型和 Xcode 项目打造您的智能化 app。

模型可以与 Core ML、Create ML 和 Xcode 搭配使用,并提供多种大小和架构格式。请参考模型的相关 Xcode 项目,了解有关如何在您的 app 中充分利用模型的指导。

图像

图像

FCRN-DepthPrediction 深度估计

根据一幅图像来预测深度。
MNIST 涂鸦分类

对单个手写数字进行分类 (支持数字 0-9)。
UpdatableDrawingClassifier 涂鸦分类

基于 K-最近邻算法(KNN)模型来学习识别新涂鸦的涂鸦分类器。
MobileNetV2 图像分类

MobileNetv2 架构经过训练,可对相机取景框内或图像中的主要对象进行分类。
Resnet50 图像分类

一种残差神经网络,它能对相机取景框内或图像中的主要对象进行分类。
SqueezeNet 图像分类

一种小型深度神经网络架构,它能对相机取景框内或图像中的主要对象进行分类。
DeeplabV3 图像分割

将相机取景框或图像的像素分割为一组预定义的类。
YOLOv3 对象检测

对相机取景框内或图像中 80 种不同类型的对象进行定位和分类。
YOLOv3-Tiny (实时) 对象检测

对相机取景框内或图像中 80 种不同类型的对象进行定位和分类。
文本

文本

BERT-SQuAD 问答

查找文本段落相关问题的答案。

姿态估计

对图像中每人最多 17 个关节位置进行估计。