目标检测作为当前计算机视觉落地的热点技术之一，已被广泛应用于自动驾驶、智慧园区、工业检测和卫星遥感等场景。开发者在研究相关目标检测技术时，通常需熟练掌握图像目标检测框架，如通用目标检测框架 YOLO 系列，旋转目标检测框架 R3Det 等技术，学习门槛较高，还需不断优化和改进算法，来获得理想的目标检测效果。随着大模型的发展，有效帮助开发者降低目标检测的使用门槛。
在2023 IDEA大会，IDEA研究院发布最新视觉提示（Visual Prompt）模型T-Rex，帮助释放计算机视觉更多应用场景。小编在上手使用T-Rex模型，直呼太香了！无需设计算法，开箱即用，简单通过拖拽方框，框住想识别的物体，点击“开始检测”，就自动将相似的结果识别出来：
下面小编带大家体验一把！
零基础上手，秒识别检测，T-Rex模型来了！
打开视觉提示模型T-Rex的模型实验室官网： DeepDataSpace | The Go-To Choice for CV Data Visualization, Annotation, and Model Analysis ，选择或者上传你想要检测的图像：
框住想要识别的物体，点击开始检测，秒出结果：
是不是很简单便捷？
其实背后的T-Rex模型大有来头！
今年4月，IDEA研究院发布的Grounded SAM (Grounding DINO + SAM)，在Github已获得 11K Star，区别于只支持文字提示的Grounded SAM，T-Rex模型着重打造强交互的视觉提示功能。无需重新训练或微调，即可检测模型在训练阶段从未见过的物体。该模型不仅可应用于包括计数在内的所有检测类任务，还为智能交互标注场景提供新的解决方案，通过直观的视觉反馈与强交互性，也有助于提升检测的效率与精准度。目前，T-Rex 可应用在农业、零售、医疗、电子等行业。
据官网显示，T-Rex模型有以下四大特性：
开放集：不受预定义类别限制，具有检测一切物体的能力
视觉提示：利用视觉示例指定检测目标，克服罕见、复杂物体难以用文字充分表达的问题，提高提示效率
直观的视觉反馈：提供边界框等直观视觉反馈，帮助用户高效评估检测结果
交互性：用户便捷参与检测过程，对模型结果进行纠错
除了上面笔者试用的最基础的单轮提示模式，目前T-Rex模型还支持以下三种进阶模式：
· 多轮正例模式：适用于视觉提示不够精准造成漏检的场景
· 正例+负例模式： 适用于视觉提示带有二义性造成误检的场景
· 跨图模式：适用于通过单张参考图提示检测他图的场景
大家可以多多尝试！
为什么是T-Rex？
我们已迈入“大模型时代”，在许多领域大模型都展现出巨大潜力和价值。 如今我们可以简单用一句话、一个提示词就可以让AI帮助我们生成一张图片、一篇文章。然而在一些情况下，例如工业场景中的物体在日常生活中较为罕见，难以用语言描述。在此情况下，视觉提示显然是更高效的方法。T-Rex通过图片来提示，达到 “一图胜千言”的准确与高效。
谈及计算机视觉的发展，IDEA研究院创院理事长、美国国家工程院外籍院士沈向洋表示，首先是计算机视觉的应用场景长尾，其次是其场景碎片化，每个应用场景不一样。他出，计算机视觉领域在呼唤通用大模型的来临。以GPT-4V为代表的多模态大模型，是在语言能力上增加视觉能力；IDEA研究院的计算机视觉团队则选择了另一条路径，先将基础的视觉能力做到极致，再增加语言能力。
仔细思考，大模型的意义是让我们从判别式AI走向深层次判别式的AI，前者从数据和信号中去提取特征进行识别，完成像人脸识别语音识别、图像识别等任务，后者可以基于海量数据训练生成文字、语言、图片、视频等，更加智能、高效，有效提高生产力。毋庸置疑，通过之前的Grounded SAM发布，到如今T-Rex的推出，IDEA研究院走出自己的计算机视觉之路。
想了解更多T-Rex详情，可查看GitHub：trex-counting.github.io
