NotionNext BLOGLLM
Avatar
*书籍
硬件
多模态
视频
RAG
音频
音乐
Infra
*论文
图像
机器人
🎁Converted Core ML Model Zoo
type
status
slug
summary
tags
category
icon
password
Date
CoreML 模型
转换后的 Core ML 模型 Zoo。
Core ML 是 Apple 推出的机器学习框架。如果您是 iOS 开发人员，您可以轻松地在 Xcode 项目中使用机器学习模型。
如何使用
看看这个模型动物园，如果您找到了所需的 CoreML 模型，请从 google Drive 链接下载该模型并将其捆绑到您的项目中。或者，如果模型有示例项目链接，请尝试一下并了解如何在项目中使用该模型。你可以自由地做或不做。
如果您喜欢这个存储库，请给我一个星星，以便我尽力而为。
章节链接
如何获取模型
您可以从 Google Drive 的链接获取转换为 CoreML 格式的模型。有关如何在 Xcode 中使用它，请参阅下面的部分。每个模型的许可证都符合原始项目的许可证。
图像分类器
高效网络
谷歌云端硬盘链接 | 尺寸 | 数据集 | 原创项目 | 执照 |
22.7MB | 图像网 |
高效网络v2
谷歌云端硬盘链接 | 尺寸 | 数据集 | 原创项目 | 执照 | 年 |
85.8 兆 | 图像网 | 2021 |
视觉转换器
一张图像相当于 16x16 个单词：用于大规模图像识别的 Transformer。
谷歌云端硬盘链接 | 尺寸 | 数据集 | 原创项目 | 执照 | 年 |
347.5 MB | 图像网 | 2021 |
符合者
局部特征耦合全局表示以进行视觉识别。
谷歌云端硬盘链接 | 尺寸 | 数据集 | 原创项目 | 执照 | 年 |
94.1MB | 图像网 | 2021 |
德伊特
数据高效的图像转换器
谷歌云端硬盘链接 | 尺寸 | 数据集 | 原创项目 | 执照 | 年 |
350.5 MB | 图像网 | 2021 |
复制VGG
让 VGG 风格的卷积网络再次伟大
谷歌云端硬盘链接 | 尺寸 | 数据集 | 原创项目 | 执照 | 年 |
33.3MB | 图像网 | 2021 |
监管网络
设计网络设计空间
谷歌云端硬盘链接 | 尺寸 | 数据集 | 原创项目 | 执照 | 年 |
16.5MB | 图像网 | 2020年 |
移动ViTv2
CVNets：用于训练计算机视觉网络的库
谷歌云端硬盘链接
尺寸
数据集
原创项目
执照
年
转换脚本
Files
物体检测
YOLOv5s
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 笔记 | 示例项目 |
29.3MB | 置信度（多数组（双精度型 0 × 80）），坐标（多数组（双精度型 0 × 4）） | 添加了非最大抑制。 |
YOLOv7
谷歌云端硬盘链接
尺寸
输出
原创项目
执照
笔记
示例项目
转换脚本
Files
YOLOv8
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 笔记 | 示例项目 |
45.1MB | 置信度（多数组（双精度型 0 × 80）），坐标（多数组（双精度型 0 × 4）） | 添加了非最大抑制。 |
分割
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 |
175.9 MB | 图像（灰度320×320） | |||
4.6MB | 图像（灰度320×320） |
人民币G1.4
MBG1.4 - IS-Net 通过我们独特的训练方案和专有数据集得到增强。
谷歌云端硬盘链接
尺寸
输出
原创项目
执照
年
转换脚本
Files
人脸解析
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 示例项目 |
53.2MB | 多重阵列(1×512×512) |
分段器
使用 Transformer 进行简单高效的语义分割设计
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
14.9MB | 多阵列(512 × 1024) | 2021 |
BiSeNetV2
具有实时语义分割引导聚合的双边网络
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
12.8 兆 | 多重阵列 | 阿帕奇2.0 | 2021 |
DNL
解缠非局部神经网络
谷歌云端硬盘链接 | 尺寸 | 输出 | 数据集 | 原创项目 | 执照 | 年 |
190.8 MB | 多阵列[512x512] | ADE20K | 2020年 |
ISA网络
用于语义分割的交错稀疏自注意力
谷歌云端硬盘链接 | 尺寸 | 输出 | 数据集 | 原创项目 | 执照 | 年 |
141.5 兆 | 多阵列[512x512] | ADE20K | ArXiv'2019/IJCV'2021 |
快速FCN
重新思考语义分割主干中的扩张卷积
谷歌云端硬盘链接 | 尺寸 | 输出 | 数据集 | 原创项目 | 执照 | 年 |
326.2MB | 多阵列[512x512] | ADE20K | ArXiv'2019 |
GC网络
非本地网络满足挤压激励网络及其他网络
谷歌云端硬盘链接 | 尺寸 | 输出 | 数据集 | 原创项目 | 执照 | 年 |
189MB | 多阵列[512x512] | 帕斯卡VOC | ICCVW'2019/TPAMI'2020 |
数据网络
用于场景分割的双注意力网络（CVPR2019）
谷歌云端硬盘链接 | 尺寸 | 输出 | 数据集 | 原创项目 | 执照 | 年 |
189.7 MB | 多重阵列[512x1024] | 城市景观 | CVPR2019 |
语义FPN
全景特征金字塔网络
谷歌云端硬盘链接 | 尺寸 | 输出 | 数据集 | 原创项目 | 执照 | 年 |
108.6MB | 多重阵列[512x1024] | 城市景观 | 2019年 |
布料分割
各种布料的二进制分割代码。
谷歌云端硬盘链接 | 尺寸 | 输出 | 数据集 | 原创项目 | 执照 | 年 |
50.1MB | 图像（灰度640x960） | 2020年 |
简单肖像
EasyPortrait - 人脸解析和肖像分割数据集。
谷歌云端硬盘链接
尺寸
输出
原创项目
执照
年
斯威夫特样本
转换脚本
Files
超分辨率
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
66.9MB | 图像（RGB 2048x2048） | 2021 | |||
66.9MB | 图像（RGB 2048x2048） | 2021 |
利用生成面部先验实现现实世界的盲人面部恢复
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
337.4 MB | 图片(RGB 512x512) | 2021 |
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
66.9MB | 图像（RGB 2048x2048） | ㅤ | 2021 |
谷歌云端硬盘链接
尺寸
输出
原创项目
执照
年
转换脚本
Files
用于高细节图像超分辨率的最佳伙伴 GAN
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
66.9MB | 图像（RGB 2048x2048） | 2021 |
用于图像超缩放的残差密集网络中的残差。
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
16.8MB | 图像（RGB 2048x2048） | 2018 |
快速SRGAN。
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
628 KB | 图片(RGB 1024x1024) | 2019年 |
增强型SRGAN。
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
66.9MB | 图像（RGB 2048x2048） | 2018 |
使用生成对抗网络实现照片般逼真的单一图像超分辨率。
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
6.1MB | 图像（RGB 2048x2048） | ㅤ | 2017年 |
使用生成对抗网络实现照片般逼真的单一图像超分辨率。
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
6.1MB | 图像（RGB 2048x2048） | ㅤ | 2017年 |
具有增强型 CNN 的轻量级图像超分辨率。
谷歌云端硬盘链接
尺寸
输出
原创项目
执照
年
转换脚本
Files
基于度量学习的现实世界超分辨率交互式调制
Pytorch 实现“盲超分辨率的无监督退化表示学习”，CVPR 2021
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
12.1 兆字节 | 图片(RGB 1024x1024) | 2022年 |
弱光增强
稳定的LLVE
从单个图像学习低光视频增强的时间一致性。
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
17.3MB | 图片(RGB 512x512) | 2021 |
零DCE
用于低光图像增强的零参考深曲线估计
图像修复
MPR网络
多阶段渐进式图像恢复。
去模糊
去噪
除雨
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
137.1 MB | 图片(RGB 512x512) | 2021 | |||
108MB | 图片(RGB 512x512) | 2021 | |||
24.5MB | 图片(RGB 512x512) | 2021 |
MIRNetv2
学习快速图像恢复和增强的丰富功能。
去噪
超分辨率
对比度增强
弱光增强
图像生成
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 示例项目 |
38.6MB | 图片（彩色1024×1024） |
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 |
9.2MB | 多重阵列 |
图像到图像
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 用法 |
217.7MB | 图片（彩色512×512） | 拖放图像进行预览 |
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 笔记 |
15.2MB | 图像（彩色256×256） | 输出与原始模型略有不同。这导致一些操作被转换为手动替换。 |
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 样本 |
8.7MB | 图片(256 x 256) |
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 |
8.7MB | 图片(256 x 256) |
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 |
35.5MB | 图片(256 x 256) |
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 |
266.2MB（量化） | 图片（256x256） |
卡通GAN
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 |
44.6MB | 多重阵列 | ||
44.6MB | 多重阵列 | ||
44.6MB | 多重阵列 | ||
44.6MB | 多重阵列 |
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
6.4MB | 图片(RGB 960x640) | 2019年 | |||
6.4MB | 图片(RGB 960x640) | 2019年 | |||
6.4MB | 图片(RGB 960x640) | 2019年 |
学习使用白盒卡通表示进行卡通化
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
5.9MB | 图片(1536x1536) | CVPR2020 |
白盒面部图像卡通化
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 年 |
8.4MB | 图片（256x256） | 2020年 |
修复
AOT-GAN 用于修复
谷歌云端硬盘链接 | 尺寸 | 输出 | 原创项目 | 执照 | 笔记 | 示例项目 |
60.8MB | MLMultiArray(3,512,512) | 使用请参见示例。 |
谷歌云端硬盘链接 | 尺寸 | 输入 | 输出 | 原创项目 | 执照 | 笔记 | 示例项目 | 转换脚本 |
216.6MB | 图像（彩色800×800）、图像（灰度800×800） | 图像（彩色800×800） | 使用请参见示例。 |
单目深度估计
实现稳健的单目深度估计：混合数据集以实现零样本跨数据集传输
稳定扩散
谷歌云端硬盘链接 | 原始模型 | 原创项目 | 执照 | 在 Mac 上运行 | 转换脚本 | 年 |
2022年 |
Pastel Mix——一种风格化的潜在扩散模型。该模型旨在仅通过几个提示即可产生高质量、高度详细的动漫风格。
谷歌云端硬盘链接 | 原始模型 | 执照 | 在 Mac 上运行 | 转换脚本 | 年 |
2023 |
谷歌云端硬盘链接 | 原始模型 | 执照 | 在 Mac 上运行 | 转换脚本 | 年 |
2023 |
谷歌云端硬盘链接 | 原始模型 | 执照 | 在 Mac 上运行 | 转换脚本 | 年 |
- | 2023 |
谷歌云端硬盘链接 | 原始模型 | 执照 | 在 Mac 上运行 | 转换脚本 | 年 |
2023 |
谷歌云端硬盘链接 | 原始模型 | 执照 | 在 Mac 上运行 | 转换脚本 | 年 |
- | 2023 |
谷歌云端硬盘链接 | 原始模型 | 执照 | 在 Mac 上运行 | 转换脚本 | 年 |
2023 |
由我以外的人转换的模型。
如何在xcode项目中使用。
选项1，实施愿景请求。
如果模型有 Image 类型输出：
否则模型具有 Multiarray 类型输出：
为了将 multiArray 可视化为图像，Hollance 先生的“CoreML Helpers”非常方便。 CoreML 助手
选项 2，使用CoreGANContainer。您可以通过拖放操作将模型使用到容器项目中。
让模型更轻
如果需要，您可以使用量化来减小模型尺寸。 https://coremltools.readme.io/docs/quantization
位数越少，降低模型精度的可能性就越大。准确度损失因模型而异。
量化样本（U2Net）
输入图像 / nbits=32（原始） / nbits=16 / nbits=8 / nbits=4
谢谢
封面图片取自吉卜力免费图片。
在 YOLOv5 转换上，dbsystel/yolov5-coreml-tools给了我超级智能的转换脚本。
以及所有原创项目
作者
真岛大辅 自由工程师。 iOS/机器学习/AR 我可以从事移动 ML 项目和 AR 项目。请随时联系：[email protected]
CoreML-Models
john-rocky • Updated May 23, 2024