Core ML Models
Source: https://github.com/likedan/Awesome-CoreML-Models at
f65751092d0b
License: MIT
Read the English original
This edition is an AI-assisted translation.
Desde iOS 11, Apple lanzó el framework Core ML para ayudar a los desarrolladores a integrar modelos de aprendizaje automático en sus aplicaciones. La documentación oficial
Hemos reunido la mayor colección de modelos de aprendizaje automático en formato Core ML, para ayudar a los desarrolladores de iOS, macOS, tvOS y watchOS a experimentar con técnicas de aprendizaje automático.
Si has convertido un modelo Core ML, no dudes en enviar una pull request.
Recientemente, hemos incluido herramientas de visualización. Aquí hay una: Netron.
Modelos
Sección titulada «Modelos»Imagen - Metadatos/Texto
Sección titulada «Imagen - Metadatos/Texto»Modelos que toman datos de imagen como entrada y producen información útil sobre la imagen.
- TextDetection - Detección de texto en tiempo real con el modelo integrado de Vision. Download | Demo | Reference
- PhotoAssessment - Evaluación de fotos con Core ML y Metal. Download | Demo | Reference
- PoseEstimation - Estimación de la pose humana a partir de una imagen, para móviles. Download | Demo | Reference
- MobileNet - Detecta los objetos dominantes presentes en una imagen. Download | Demo | Reference
- Places CNN - Detecta la escena de una imagen entre 205 categorías como dormitorio, bosque, costa, etc. Download | Demo | Reference
- Inception v3 - Detecta los objetos dominantes presentes en una imagen. Download | Demo | Reference
- ResNet50 - Detecta los objetos dominantes presentes en una imagen. Download | Demo | Reference
- VGG16 - Detecta los objetos dominantes presentes en una imagen. Download | Demo | Reference
- Car Recognition - Predice la marca y el modelo de un coche. Download | Demo | Reference
- YOLO - Reconoce qué objetos hay dentro de una imagen dada y dónde están. Download | Demo | Reference
- AgeNet - Predice la edad de una persona a partir de su retrato. Download | Demo | Reference
- GenderNet - Predice el sexo de una persona a partir de su retrato. Download | Demo | Reference
- MNIST - Predice dígitos escritos a mano (dibujados) a partir de imágenes. Download | Demo | Reference
- EmotionNet - Predice la emoción de una persona a partir de su retrato. Download | Demo | Reference
- SentimentVision - Predice sentimientos positivos o negativos a partir de imágenes. Download | Demo | Reference
- Food101 - Predice el tipo de alimentos a partir de imágenes. Download | Demo | Reference
- Oxford102 - Detecta el tipo de flores a partir de imágenes. Download | Demo | Reference
- FlickrStyle - Detecta el estilo artístico de las imágenes. Download | Demo | Reference
- RN1015k500 - Predice el lugar donde se tomó una foto. Download | Demo | Reference
- Nudity - Clasifica una imagen como NSFW (desnuda) o SFW (no desnuda) Download | Demo | Reference
- TextRecognition (ML Kit) - Reconocimiento de texto en tiempo real con el modelo integrado de ML Kit. Download | Demo | Reference
- ImageSegmentation - Segmenta los píxeles de un fotograma de cámara o imagen en un conjunto predefinido de clases. Download | Demo | Reference
- DepthPrediction - Predice la profundidad a partir de una sola imagen. Download | Demo | Reference
Imagen - Imagen
Sección titulada «Imagen - Imagen»Modelos que transforman imágenes.
- HED - Detecta bordes anidados a partir de una imagen en color. Download | Demo | Reference
- AnimeScale2x - Procesa una obra de estilo anime escalada con bicúbica Download | Demo | Reference
Texto - Metadatos/Texto
Sección titulada «Texto - Metadatos/Texto»Modelos que procesan datos de texto
- Sentiment Polarity - Predice sentimientos positivos o negativos a partir de frases. Download | Demo | Reference
- DocumentClassification - Clasifica artículos de noticias en 1 de 5 categorías. Download | Demo | Reference
- iMessage Spam Detection - Detecta si un mensaje es spam. Download | Demo | Reference
- NamesDT - Clasificación de sexo con DecisionTreeClassifier Download | Demo | Reference
- Personality Detection - Predice la personalidad a partir de documentos de usuario (frases). Download | Demo | Reference
- BERT for Question answering - Implementación Swift Core ML 3 de BERT para preguntas y respuestas Download | Demo | Reference
- GPT-2 - Generación de texto OpenAI GPT-2 (Core ML 3) Download | Demo | Reference
- Exermote - Predice el ejercicio cuando el iPhone se lleva en la parte superior del brazo derecho. Download | Demo | Reference
- GestureAI - Recomienda un artista según una ubicación y género dados. Download | Demo | Reference
- Artists Recommendation - Recomienda un artista según una ubicación y género dados. Download | Demo | Reference
- ChordSuggester - Predice el siguiente acorde más probable según la progresión de acordes introducida. Download | Demo | Reference
Procesamiento de voz
Sección titulada «Procesamiento de voz»- Streaming ASR – Motor de reconocimiento de voz en streaming en tiempo real para iOS. Usa Fast Conformer + CTC, se ejecuta totalmente en el dispositivo.
Download | Demo | Reference - Keyword Spotting (KWS) – Motor de detección de palabras clave en el dispositivo con arquitectura CRNN ligera, optimizado para móviles.
Download | Demo | Reference
Herramientas de visualización
Sección titulada «Herramientas de visualización»Herramientas que ayudan a visualizar modelos CoreML
Formatos compatibles
Sección titulada «Formatos compatibles»Lista de formatos de modelo que se pueden convertir a Core ML con ejemplos
Colecciones de modelos de aprendizaje automático que se pueden convertir a Core ML
- Caffe Model Zoo - Gran lista de modelos en formato Caffe.
- TensorFlow Models - Modelos para TensorFlow.
- TensorFlow Slim Models - Otra colección de modelos TensorFlow.
- MXNet Model Zoo - Colección de modelos MXNet.
Modelos de aprendizaje automático individuales que se pueden convertir a Core ML. Seguiremos ajustando la lista a medida que se conviertan.
- LaMem Puntúa la memorabilidad de las imágenes.
- ILGnet La evaluación estética de imágenes.
- Colorization Coloreado automático con redes neuronales profundas.
- Illustration2Vec Estima un conjunto de etiquetas y extrae vectores de características semánticas a partir de ilustraciones dadas.
- CTPN Detección de texto en imágenes naturales.
- Image Analogy Encuentra correspondencias densas semánticamente significativas entre dos imágenes de entrada.
- iLID Identificación automática del idioma hablado.
- Fashion Detection Detección de ropa en imágenes.
- Saliency La predicción de áreas salientes en imágenes se ha abordado tradicionalmente con características hechas a mano.
- Face Detection Detecta rostros en una imagen.
- mtcnn Detección y alineación conjunta de rostros.
- deephorizon Estimación de la línea del horizonte a partir de una sola imagen.
Contribuir y licencia
Sección titulada «Contribuir y licencia»- Ver la guía
- Distribuido bajo la licencia MIT. Consulta LICENSE para más información.
HagiCode
HagiCode es un espacio de programación con agentes. Las interacciones de interfaz, ricas y cómodas, hacen que planificar, ejecutar agentes y trabajar en proyectos sea accesible y fácil de seguir, para una experiencia de desarrollo atractiva.
Una experiencia de desarrollo atractiva gracias a interacciones de interfaz ricas y cómodas.
- InteligenteLos flujos de trabajo de OpenSpec convierten la intención en un itinerario ejecutable, de la propuesta al diseño, las tareas y la entrega.
- EficienteLa ejecución multiagente avanza en paralelo con la investigación, la implementación y la revisión, en varios repositorios y con los Agent CLI que ya usas.
- InteresanteLas interacciones de interfaz, ricas y cómodas, hacen que planificar, ejecutar agentes y trabajar en proyectos sea accesible y fácil de seguir.
Descargar para Windows
Compartir HagiCode
Convierte ideas en software entregado.
HagiCode es un espacio de trabajo de programación con agentes: los flujos de trabajo de OpenSpec planifican el cambio, la ejecución multiagente lo lleva a cabo y Hero Scenario hace visible el largo recorrido, para convertir ideas en software entregado.
- Inteligente
- Los flujos de OpenSpec convierten la intención en un camino de la propuesta a la entrega.
- Eficiente
- La ejecución multiagente avanza en paralelo con investigación, implementación y revisión.
- Divertido
- Las interacciones de interfaz facilitan la planificación, los agentes y el trabajo en proyectos.
© 2026 HagiCode | Powered By hagilight-starlight@0.21.0 | Branch: main | Commit: 745b50b | Built:

