【效果震撼】Ollama多模态视觉大模型应用

原创 OpenCV学堂 2025-03-03 22:03 648浏览 0评论 0点赞

汽车用卸负载电阻低价方案 超低功耗CW32L083系列

点击上方蓝字关注我们

微信公众号：OpenCV学堂
关注获取更多计算机视觉与深度学习知识

OLLama安装

安装Ollama工具，下载地址如下：

https://github.com/ollama/ollama

下载与运行llama3大语言对话模型

ollama run llama3.2

下载与运行llama-vision3.2多模态视觉大模型

ollama run llama3.2-vision

下载与运行llava多模态视觉大模型

ollama run llava

运行Ollama支持的模型

使用llama-vision3.2 多模态模型的命令行如下：

ollama run llama3.2-vision

命令行使用llama3.2-vision多模态大模型格式如下:

>>>What's in this image? /your_test_image.png

亲测发现不支持bmp格式图像，支持jpg跟png。

使用llama3.2-vision多模态实现OCR识别

亲测证实对英文跟日期数字等信息识别准确率都非常好，就是识别中文容易翻车，各种错误，也许是因为我用的这个模型只有7B的原因。

使用llama3.2-vision多模态实现图像分类与描述

非常准确的给出了图像分类是兔子，而且还给出来一段非常详细的描述英文:

The rabbit has a distinctive grey and white coat pattern, with large ears that are perked up as if listening to something. Its eyes are dark brown, and its nose is pink. The rabbit appears to be sitting on a tiled floor, possibly in a home or pet store setting.

使用llama3.2-vision多模态实现对象计数