AI教程

用 EasyOCR 识别本地中英文图片，保存四边形坐标、文字和置信度，并逐块回查原图。

用 Torchvision ResNet50 和权重自带预处理输出图片 Top-5，核对类别映射、候选分数与业务边界。

用 CVAT Track 建立视频目标轨迹，修正关键帧、处理 Outside，并检查插值和导出 ID。

显式使用 ByteTrack 跟踪 YOLO 检测结果，将逐帧轨迹 ID 和框保存为 CSV，并排查遮挡与 ID 交换。

先不改模型权重：定义任务、给工具写输入输出契约、建立含反例的评估集；只有稳定的失败模式才进入下一轮改提示词或训练方案。

用 YOLO 姿态模型导出 17 个 COCO 关键点，保存核对图，区分人物序号、坐标和遮挡边界。

在同一个云平台时，仍要逐个核对模型 ID、地区、配额、价格页和 API 兼容方式；供应商页面变化后应重新验证。

用 SAM 接收主体内部的点提示，导出原图尺寸掩码，并区分模型质量估计与人工 IoU。

先从一项低风险、可人工复核的任务开始：一个模型生成候选，另一个按明确规则挑错；输出不能直接触发付款、删除或发送。

用 YOLO11n 将一张图片转换为带原图尺寸、类别、分数和框坐标的 JSON，并核对无检测结果的含义。