CodeProject.AI 服务器模块注册表

引言

CodeProject.AI 服务器 包含一个可在运行时下载和安装的模块生态系统。

本文档作为参考列表，也是 CodeProject.AI 服务器可下载模块的来源。要安装其中一个模块，只需安装 CodeProject.AI 服务器 ，然后转到仪表板的“安装模块”选项卡。选择您的模块，点击“安装”，即可完成。

请注意，模块按平台和系统进行标记，因此如果您所在的系统（例如 Raspberry Pi、arm64 macOS 机器或 x64 Windows 机器）与支持的平台不匹配，则该模块将不可用。

想创建自己的模块吗？很简单！我们提供了有关添加Python 模块和.NET 模块的示例，但这些概念可以扩展到任何提供脚本化安装方式的语言。尽情发挥您的想象力吧。

模块 

支持 CodeProject.AI 服务器 2.8。

计算机听觉

• 声音分类器（TensorFlow）
  v1.4.0 全部 Python, TensorFlow
  声音分类器使用 Python 的 TensorFlow，基于 UrbanSound8K 数据集对声音文件进行分类。
  项目由 Chris Maunder 创建，基于 Tensorflow-Audio-Classification。
  
   

计算机视觉

• 车牌识别器
  v3.3.0 全部（除 Windows-arm64 外） Python, PaddlePaddle
  使用 YOLO 对象检测和 PaddleOCR 工具包检测和读取单行和多行车牌。
  作者：Mike Lud
  
   
• 车牌阅读器 (RKNN)
  v1.5.0 Orange Pi Radxa ROCK Python, FastDeploy
  检测和读取单行和多行车牌。此模块仅适用于 Rockchip RK3588/RK3588S NPU，例如 Orange Pi 5/5B/5 Plus 或 Radxa ROCK。
  作者：Mike Lud
  
   
• 对象检测 (Coral)
  v2.4.0 全部 Python, TensorFlow-Lite
  对象检测模块使用 Coral TPU 来定位和分类模型已训练的对象。
  项目由 Chris Maunder、Seth Price 创建，基于 Coral.ai 示例。
  
   
• 对象检测 (YOLOv5 .NET)
  v1.11.0 全部（除 Windows-arm64 外） C#, ONNX, DirectML, YOLO
  提供使用 DirectML 的 YOLOv5 ONNX 模型的对象检测。此模块最适合没有 CUDA 显卡的 Windows 和 Linux 用户。
  项目由 Matthew Dennis 创建，基于 yolov5-net。
  
   
• 对象检测 (YOLOv5 3.1)
  v1.11.0 全部（除 macOS 外） Python, PyTorch, YOLO
  提供使用 YOLOv5 3.1 的对象检测，针对 CUDA 10 或 11 的旧款 GPU。
  项目由 Chris Maunder、Matthew Dennis 创建，基于 Deepstack。
  
   
• 对象检测 (YOLOv5 6.2)
  v1.10.0 全部（除 Raspberry Pi、Jetson 外）
  提供使用 YOLOv5 6.2 的对象检测，针对 CUDA 11.5+、PyTorch < 2.0 的新款 GPU。
  项目由 Matthew Dennis 创建，基于 Ultralytics YOLOv5。
  
   
• 对象检测 (YOLOv5 RKNN)
  v1.8.0 Orange Pi Radxa ROCK Python, FastDeploy, YOLO
  提供使用 YOLOv5 RKNN 模型的对象检测。此模块仅适用于 Rockchip RK3588/RK3588S NPU，例如 Orange Pi 5/5B/5 Plus。
  作者：Mike Lud
  
   
• 对象检测 (YOLOv8)
  v1.6.0 全部 Python, PyTorch, YOLO
  使用 YOLOv8 提供 Python>=3.8 的对象检测。非常适合新款 NVIDIA GPU。
  项目由 Chris Maunder 创建，基于 ultralytics。
  
   
• 光学字符识别
  v2.2.0 全部（除 Windows-arm64 外） Python, PaddlePaddle
  使用 PaddleOCR 工具包提供 OCR 支持。
  作者：Mike Lud
  
   
• 场景分类
  v1.8.0 全部（除 Jetson 外） Python, PyTorch
  根据 365 个预训练场景对图像进行分类。
  项目由 Chris Maunder、Matthew Dennis 创建，基于 Deepstack。
  
   

人脸识别

• 人脸处理
  v1.12.0 全部（除 Jetson 外） Python, PyTorch
  一系列人脸图像 API，包括检测、识别和比较。
  项目由 Chris Maunder、Matthew Dennis 创建，基于 Deepstack。
  
   

生成式 AI

• LlamaChat
  v1.7.0 全部（除 Windows-arm64、Raspberry Pi、Orange Pi、Radxa ROCK、Jetson 外） Python, Llama
  基于 LLM 机器学习编译的大型语言模型。
  项目由 Chris Maunder 创建，基于 llama-cpp-python。
  
   
• 文本到图像
  v1.3.0 Windows macOS Linux Python, PyTorch, Stable Diffusion
  根据文本提示生成图像。
  项目由 Matthew Dennis 创建，基于 Diffusers。
  
   

图像处理

• 背景移除器
  v1.11.0 全部（除 Linux、Raspberry Pi、Orange Pi、Radxa ROCK、Jetson 外） Python, ONNX
  自动从图片中移除背景。
  项目由 Chris Maunder 创建，基于 rembg。
  
   
• 卡通化
  v1.7.0 全部（除 Raspberry Pi、Orange Pi、Radxa ROCK、Jetson 外） Python, PyTorch
  将照片转换为动漫风格的卡通。
  项目由 Chris Maunder 创建，基于 animegan2-pytorch。
  
   
• 人像滤镜
  v2.1.0 Windows C#, ONNX, DirectML
  为图像提供景深（散景）效果。非常适合自拍。
  项目由 Matthew Dennis 创建，基于 C# PortraitModeFilter。
  
   
• 超分辨率
  v2.2.0 全部 Python, ONNX
  使用 AI 提高图像分辨率。
  项目由 Chris Maunder 创建，基于 PyTorch.org 示例。
  
   

自然语言

• 情感分析
  v2.1.0 Windows macOS C#, TensorFlow
  对一段文本的情感进行分析。积极还是消极？
  项目由 Matthew Dennis 创建，基于 .NET ML 示例。
  
   
• 文本摘要
  v1.9.0 全部 Python, NLTK
  通过选择最能代表内容的几句话来总结文本内容。
  项目由 Chris Maunder 创建，基于 Github Gist。
  
   

培训

• YoloV5 6.2 的训练
  v1.7.0 全部（除 Raspberry Pi、Orange Pi、Radxa ROCK、Jetson 外） Python, PyTorch, YOLO
  使用 YOLOv5 v6.2 训练自定义模型，支持 CPU、CUDA 显卡和 Apple Silicon。
  项目由 Matthew Dennis 创建，基于 Ultralytics YOLOv5。
  
   

使用模块

所有模块都通过 CodeProject.AI 服务器仪表板的“模块”选项卡下载和安装。