← 返回首页

从78兆到38兆的卡牌识别魔法

发布时间: 2026-03-12 10:08(北京时间)

摘要: 作者介绍了将卡牌识别模型从78兆压缩到38兆的技术流程，包括使用EfficientNetV2、ONNX桥接、Float16量化和TensorFlow.js部署，强调高准确率和无需完整卡面即可识别。提供了本地和在线部署选项，并提醒权重文件大小。语调务实且技术导向。

标签: 模型压缩, 卡牌识别, 深度学习, 技术部署, 务实, 结构化

字数: 246

原文链接: /7402396589/QvIlEmw23

EfficientNetV2训练出来78兆，然后ONNX桥接，Float16量化，最后在浏览器上利用TensorFlow.js做识别。单卡识别准确率接近100%，而且大部分卡只要看到卡面一半就能识别出来，所以牌名是不需要被拍到的。

量化后的权重其实也还有38兆左右，还是留给大家本地部署比较好。
仓库是 /senzi/Aura-Tarot-Vision 有卡牌的朋友可以体验下。

我也部署了个在线版本：vision.closeai.moe
不过需要注意，访问要下载38兆左右的权重文件。