roboflow/notebooks

A collection of tutorials on state-of-the-art computer vision models and techniques. Explore everything from foundational architectures like ResNet to cutting-edge models like RF-DETR, YOLO11, SAM 3, and Qwen3-VL.

什么是 roboflow/notebooks？

roboflow/notebooks 是一个 GitHub 仓库，以 Jupyter 笔记本的形式托管不断增长的计算机视觉教程集合。这些教程教你如何使用最先进的（SOTA）模型完成各种视觉任务。

它包含什么？

该仓库目前列出了 61 个模型教程（截至 README）。每个教程都是一个演示特定模型或技术的笔记本。表格中的示例包括：

微调 YOLO26 进行目标检测或实例分割
使用 Google Gemini 3.5 Flash 进行目标检测
使用 GLM-OCR 进行 OCR（光学字符识别）
使用 SAM3 分割图像或视频
使用 Qwen2.5-VL 或 YOLOE 进行零样本目标检测
微调 RF-DETR 进行检测或分割
使用 PaliGemma2 或 Qwen2.5-VL 等模型进行数据提取（例如 JSON）

每个笔记本条目包括：

GitHub 上笔记本文件的链接
按钮，可直接在 Google Colab、Kaggle 或 SageMaker Studio Lab 中打开（无需本地设置即可运行）
可选链接，指向补充材料，如博客文章和 YouTube 视频
指向底层模型仓库或研究论文的链接（例如 GitHub、arXiv）

如何使用？

你可以浏览 README 中的表格，选择感兴趣的教程，然后点击“在...中打开”徽章之一，在云环境中启动笔记本。笔记本本身会引导你完成步骤——加载数据、运行模型，并通常会在自定义数据集上微调模型。

适合谁？

它面向任何想学习或应用现代计算机视觉技术的人，从目标检测和分割到姿态估计和 OCR。教程假设你熟悉 Python 和机器学习，但设计为动手实践和实用。

README 中还有什么？

README 还链接到其他 Roboflow 项目（inference、autodistill、RF-DETR）以及 Roboflow 的社交渠道（YouTube、博客、论坛等），但核心内容是笔记本集合本身。

注意： 此解释仅基于提供的 README。未添加任何外部功能或事实。