keras_cv_attention_models

一站式加载 Keras 主流视觉模型，快速做分类检测分割

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 96 🐛 待处理 8 👀 关注 21

GitHub ↗

GitHub 星标 ★ 625

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

keras_cv_attention_models 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类图像生成

开发团队leondgarse

GitHubhttps://github.com/leondgarse/keras_cv_attention_models

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

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Python

技术栈/模型attention,clip,coco,ddpm,detection,imagenet,keras,model,recognition,segment-anything,stable-diffusion,tensorflow,tf,tf2,visualizing

GitHub 星标★ 625

上线时间2021-08-02 00:00:00

代码更新2026-02-15

仓库体积4.1 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数7

项目介绍

keras_cv_attention_models 是一个基于 TensorFlow/Keras 的计算机视觉模型库，汇集了众多主流和前沿的视觉骨干网络，如 BEiT、CoAtNet、ConvNeXt、Swin、MaxViT、MobileViT 等，并支持图像分类、目标检测（YOLO 系列）、分割（Segment Anything）等任务。它解决了 Keras 生态中缺乏统一、易用的先进视觉模型实现的问题，提供了一致的 API 和预训练权重，方便研究者快速对比和部署。核心能力包括：一键加载预训练模型、支持多种注意力机制和高效架构、集成检测与分割工具、提供训练和推理脚本。项目代码结构清晰，兼容 TF2，适合作为视觉任务的基础库。

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 2026-08-09 · 当前星标 ★ 625

技术标签

attention clip detection imagenet keras

使用教程

难度：进阶约 60 分钟部署方式：本地GPU 5 步

环境要求

TensorFlow 2.x
GPU（训练建议）
已知旧版 Keras 适配

安装与启动步骤

1先处理兼容性

它明确不兼容新版 Keras，需另装旧版适配包或设环境变量回退。
```
pip install tf-keras
```
2导入顺序

包要在 TensorFlow 之前导入，否则后端初始化会报错。
3建模型

官方建议用它提供的工厂函数建结构再载权重，不要直接读权重文件。
```
import kecam; mm = kecam.models.LCNet050()
```
4载入预训练权重

按模型名取对应权重，参数量与输入尺寸要匹配。
5微调或导出

支持微调、转移动端格式与多种后端，按需选一条路。