CDMLB

立项原因： 问题：通用多模态大模型在特定领域（如工业场景、医疗影像）的细粒度视觉定位任务上精度不足，且直接调用云端API存在数据隐私和响应延迟问题。 解决方案：本项目探索使用参数高效微调技术，在有限的算力资源下，让多模态模型适应特定领域的开放域视觉定位需求。 行业场景： 智能安防监控：本地化部署模型，实时定位监控画面中的异常行为或特定目标。 工业自动化质检：在工厂产线上，快速定位产品缺陷部位，无需为每种新缺陷重新训练专用模型。 内容审核与分析：对图像内容进行细粒度的元素定位和分析，为后续处理提供结构化数据。 功能介绍： 开放域视觉定位：支持通过自然语言指令，在图像中定位任意指定的物体、人物或场景元素。 思维链增强推理：利用大模型的内在推理能力，通过多步思考提升复杂场景下的定位准确性。 参数高效微调：采用LoRA技术对Qwen2.5-VL-7B模型进行微调，仅训练少量参数即可显著提升在目标领域的效果。 完整训练流水线：实现了从数据准备、模型训练到性能评估的全流程。 结果可视化：将模型的定位输出以边界框形式在图像上直观展示。