跳到正文

Florence-2-base-ft

微软基于提示的视觉基础模型

访问官网

Florence-2-base-ft 是什么

Florence-2 被介绍为微软开发的视觉基础模型,采用基于提示的方法。它解释简单文本提示,执行图像描述、目标检测和分割等任务。

你可以用它做什么

  • 把图像内容转换为文本描述
  • 做目标检测与区域分割
  • 按简单文本提示执行任务

应用场景

  • 研究人员生成图像的描述性文本
  • 开发者对图像做目标检测
  • 企业为产品图像自动标注和描述

上手流程

  • 导入 requests、PIL、transformers 等库
  • 用 AutoModelForCausalLM 和 AutoProcessor 加载模型
  • 定义要执行的任务提示

优点与缺点

✓ 我们认可的地方

  • 简单文本提示即可选择任务
  • 资料记录支持自定义代码

! 需要留意的地方

  • 任务由文本提示驱动
  • 以 Hugging Face 上的模型形式分发

常见问题

由谁开发?

资料列出开发者为微软。

使用什么数据集?

资料列出 FLD-5B,含 54 亿个注释、覆盖 1.26 亿张图像。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法