florence-2-cookbook

照着 Notebook 跑通 Florence-2 推理、自动标注与微调

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 计算机视觉 🍴 复刻 21 👀 关注 2
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 224
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费，仅提供Notebook代码

项目预览

florence-2-cookbook 项目界面预览图
图片来源：项目官网

项目数据

分类计算机视觉
开发团队anyantudre
官网地址https://github.com/anyantudre/florence-2-cookbook/blob/main/AWESOME.md
GitHubhttps://github.com/anyantudre/florence-2-cookbook
定价模式🏷️完全免费
价格说明开源免费，仅提供Notebook代码
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型awesome-list,computer-vision,deep-learning,florence-2,florence2,huggingface,jupyter-notebook,object-detection,ocr,vision-language,vision-language-model,vision-transformer,vision-transformer-models
GitHub 星标★ 224
上线时间2024-07-02 00:00:00
代码更新2026-11-02
仓库体积77.4 MB
本站数据更新2026-11-08
维护状态活跃
收录时间2026-11-08
浏览次数0

项目介绍

florence-2-cookbook 是围绕微软 Florence-2 视觉语言模型的非官方实战手册，以 Jupyter Notebook 形式提供可直接运行的代码与资源。Florence-2 是一个统一的多任务视觉基础模型，可用同一套权重完成图像描述、目标检测、区域定位、OCR 文字识别、短语定位等任务。该项目解决的是官方文档偏重模型介绍、缺少端到端示例的问题：它把推理、自动标注和微调三条主线拆成独立 notebook，演示如何加载模型、构造任务提示、解析输出结构，并展示如何用模型批量生成检测框和描述来构建训练数据，以及在小规模自定义数据上做参数高效微调。对想快速验证 Florence-2 能力、搭建数据标注流水线或做垂直场景适配的开发者，它是一份上手成本较低、可复制修改的参考实现。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-11-08 · 当前星标 ★ 224

核心亮点

  • 以 Notebook 组织，推理、自动标注、微调分文件演示，可逐格运行并直接改参数验证
  • 覆盖目标检测、OCR、区域描述等多任务提示写法，并给出输出解析示例，省去读源码摸索
  • 包含用模型批量生成标注再回流训练的完整思路，对构建自有数据集有直接参考价值

不足之处

  • 非官方项目，与 Florence-2 上游版本更新不同步，模型接口变动后示例可能失效
  • Notebook 偏演示性质，缺少工程化封装、批量推理与性能优化内容
  • 微调部分依赖具体硬件与数据格式，文档对显存要求和常见报错说明有限

适用场景

  • 快速验证 Florence-2 在检测、OCR、图像描述等任务上的实际效果
  • 为自有图像数据集批量生成预标注，减少人工标注成本
  • 在垂直领域小样本上微调 Florence-2，做场景化适配实验

替代项目

Florence-2、transformers、ultralytics

上一篇：ssocr

下一篇：stb-tester

同类项目推荐

ccv 开源

纯 C 写的轻量视觉库，不装大框架也能跑人脸检测和图像分类

C-based/Cached/Core Computer Vision Library, A Modern Computer Vision Library

★ 7252 2026-09-18
jietuba 开源

Windows 截图后长截图、OCR、翻译、录屏一站搞定

Open-source Windows screenshot tool with scrolling capture, annotation, OCR, transla···

★ 562 2026-09-19
core 开源

把零散 OCR 工具串成标准化流水线，古籍数字化更省心

Collection of OCR-related python tools and wrappers from @OCR-D

★ 137 2026-09-19
diffusion-vas 开源

用扩散先验，让视频分割看穿遮挡，补全完整物体。

[CVPR 2025] Official code for Using Diffusion Priors for Video Amodal Segmentation

★ 128 2026-08-09
PGS 开源

在Processing里轻松搞定复杂几何处理，让创意不卡壳。

Processing Geometry Suite

★ 220 2026-08-09
ArtEq 开源

让AI看懂没见过的姿势，人体重建更稳更准

Generalizing Neural Human Fitting to Unseen Poses With Articulated SE(3) Equivarianc···

★ 57 2026-08-09
bootcamp 开源

一套代码搞定图像、音频、分子等非结构化搜索

Dealing with all unstructured data, such as reverse image search, audio search, mole···

★ 2451 2026-08-09
MovieChat 开源

把整部电影装进模型，问啥答啥，长视频理解不再难。

[CVPR 2024] MovieChat: From Dense Token to Sparse Memory for Long Video Understandin···

★ 711 2026-08-09
EndoDAC 开源

让基础模型秒变内窥镜深度感知专家，无需标注即可用

[MICCAI 2024] EndoDAC: Efficient Adapting Foundation Model for Self-Supervised Depth···

★ 97 2026-08-09