用视觉语言模型让少样本检测更准，小数据也能快速上手
这是一个少样本目标检测（FSOD）的开源实现，对应论文《Revisiting Few Shot Object Detection with Vision-Language Models》。项目旨在解决传统少样本检测器在数据稀缺下泛化能力弱的问题，通过引入视觉-语言模型（如CLIP）来增强特征表示，并重新审视基础训练与微调策略。核心能力包括：利用预训练视觉语言模型提取语义丰富的区域特征，设计适配少样本场景的检测头，以及提供在COCO、VOC等基准上的训练与评估代码。项目代码基于Python和PyTorch，结构清晰，便于研究者复现论文实验并在此基础上进行扩展。目前处于早期阶段，星标数93，但代码和文档已具备基本可用性。
TFA (Two-stage Fine-tuning Approach)、DeFRCN (Decoupled Faster R-CNN)、Meta R-CNN
foundational_fsod 是计算机视觉领域的开源项目，由 anishmadan23 开发，2024 年首次发布。
它收录于计算机视觉分类，该分类目前共有 446 个项目，GitHub 星标数为 93。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-02。Apache-2.0许可证，可自由使用，无收费计划。
它主要面向的使用场景是：工业质检中仅有少量缺陷样本时快速建立检测模型。同类可对比的替代方案包括 TFA (Two-stage Fine-tuning Approach)、DeFRCN (Decoupled Faster R-CNN)、Meta R-CNN。
上一篇：osam
下一篇：DynamicVis
modlens
开源
给纯文本编码代理装上眼睛，粘贴图片即刻获得结构化视觉证据。
The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···
opencv
开源
开箱即用的视觉算法库，搞定图像视频处理与识别
Open Source Computer Vision Library
OpenCVTutorials
开源
中文 OpenCV 教程，从入门到实战，边看边跑代码
OpenCV-Python4.1 中文文档
DEIMv2
开源
用DINOv3做实时检测，又快又准，直接落地。
[DEIMv2] Real Time Object Detection Meets DINOv3
