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

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。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 625
维护状态 低维护
是否开源
定价模式 free

项目数据

分类图像生成
开发团队leondgarse
所属国家
官网地址
定价模式free
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
是否开源
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
30天Star增速
HF 下载量
上线时间2021-08-02 00:00:00
最近更新2026-09-10 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6

使用教程

核心亮点

  • 覆盖模型极广,从 CNN 到 Transformer 一应俱全,省去到处找实现的时间
  • API 统一简洁,一行代码即可加载预训练权重,上手门槛低
  • 附带检测和分割的实用示例,能直接用于实际项目

不足之处

  • 文档相对简略,部分模型配置和训练细节需要自行摸索
  • 依赖 TensorFlow 生态,对 PyTorch 用户不友好

适用场景

  • 快速搭建图像分类基线,对比不同骨干网络效果
  • 在 Keras 项目中集成目标检测或语义分割能力
  • 教学和科研中复现前沿视觉模型

替代项目

timm、torchvision、keras-cv

项目介绍

keras_cv_attention_models 是开发框架领域的开源项目,由 leondgarse 开发,2021 年首次发布。

它收录于开发框架分类,该分类目前共有 795 个项目,GitHub 星标数为 625。

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 2026-09-10。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:快速搭建图像分类基线,对比不同骨干网络效果。同类可对比的替代方案包括 timm、torchvision、keras-cv。

上一篇:ViewComfy

下一篇:agentchain

同类项目推荐

langchain 开源

组装 AI 应用的乐高积木,从想法到上线不换工具

The agent engineering platform.

★ 146874 2026-08-09
transformers 开源

全球最大的模型仓库全家桶,想用的模型一把抓

Transformers: the model-definition framework for state-of-the-art machine learning m···

★ 166529 2026-08-09
pi 开源

一套 TypeScript 工具包,快速搭出能写代码的 AI agent

AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI

★ 108504 2026-09-12