测试之家

问答 求助一下现在哪家的 AI 能识别图片并且给出对应功能点的位置信息

我不吃香菜 · 16 天前 · 最后由 zhuhui132 回复于 15 天前 · 4022 次阅读

    之前的 AI 都是以玩为主，近期接到一个需求。其实就是做 UI 自动化，但是要批量做很多。而且可能会有细微上的不同。像下方的要求啊 D 就给不出直接的结果了，有没有办法能达到这个目标的，这样就能做出相似流程的自愈类脚本了。

    共收到 12 条回复 时间 点赞
    恒温 #1 · 16 天前

    omniparser2, uground，这些应该都可以。

    IAmTester #2 · 16 天前
    对 恒温 #1 回复

    请教下 uground 是啥百度不到

    干饭狂人 #3 · 16 天前

    dp 本来就不是多模态的大模型，去看看 qwen-vl 之类的视觉大模型吧

    fox #4 · 15 天前
    对 IAmTester #2 回复

    为什么我能搜到

    xiaoHei #5 · 15 天前

    airtest 不考虑一下吗？

    南柯一梦丶 #6 · 15 天前

    我用的豆包，识别效果还可以，找专门的多模态能识图的大模型

    wupengfeng #7 · 15 天前

    直接参考 airtest 的这个文章：文字识别技术升级：Airtest 与 PaddleOCR 模型的协作小技巧
    https://mp.weixin.qq.com/s/6Y6BeFnoXfz0qKf2P_FaOw

    IAmTester #8 · 15 天前
    对 fox #4 回复

    因为你聪明啊，多给几个关键词？

    我不吃香菜 #10 · 15 天前 Author

    周末回去看看，感谢

    我不吃香菜 #11 · 15 天前 Author
    对 xiaoHei #5 回复

    驱动是用 airtest，但是在不同包的指定流程下例如 “确认” 会有不同的图片，批量构造主流程脚本想用 AI 去识别和定位，然后修复成对应的数据

    zhuhui132 #12 · 15 天前
    对 Joo #9 回复

    感觉需要 gpu 机器才快点。。。要不要太慢了，一个图片 10s 多才解析完

    需要 登录 后方可回复, 如果你还没有账号请点击这里 注册。