Характеристики

Лицензия: Apache 2.0
Опубликована: 21 авг 2026

Ссылки

deim-dfine-s-coco-onnx

Поиск объектовИзображение → bounding_boxes

ONNX-конверсия DEIM D-FINE-S обнаруживает объекты 80 классов COCO на RGB-изображениях размером 640×640 и выдаёт необработанные оценки классов и рамки.

33скачиваний за 30 дней0лайковвеса обновлены18 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AnnotateIt/deim-dfine-s-coco-onnx — это неофициальная ONNX-конверсия модели DEIM D-FINE-S от Intellindust AI Lab для обнаружения объектов на изображениях. Модель использует DETR-подобное предсказание множеством запросов: обрабатывает 300 запросов и выдаёт оценки для 80 классов COCO и координаты рамок. Заявленная авторами исходной модели точность на COCO составляет AP 49,0; для этой конверсии результат отдельно не проверялся.

Модель принимает RGB-изображение размером 640×640 в формате float32 NCHW. Перед запуском изображение нужно растянуть до этого размера и выполнить указанное в карточке масштабирование значений; выход содержит необработанные логиты и нормализованные рамки в формате cxcywh. В ONNX-графе нет постобработки: пороговую обработку логитов, отбор предсказаний, преобразование рамок и сопоставление классов выполняет вызывающий код; NMS не применяется.

Конверсия предназначена для запуска в средах, поддерживающих ONNX. Она опубликована по лицензии Apache-2.0. Это неофициальная конверсия и она не одобрена авторами исходной модели; указанная оценка AP относится к исходной модели, а не к независимому тестированию этого файла.

Сценарии применения

обнаружение объектов на изображениях COCO
локализация объектов рамками для компьютерного зрения
получение предсказаний детектора в ONNX Runtime
интеграция детектора объектов в приложение с собственной постобработкой

Ограничения

Модель принимает только изображение фиксированного размера 640×640; изменение размера, sigmoid, отбор предсказаний и другая постобработка выполняются вне ONNX-графа. Заявленная AP 49,0 относится к исходной модели и не была повторно измерена для этой конверсии.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AnnotateIt · Open the app · Models & datasets · Documentation

Unofficial ONNX conversion of DEIM (Intellindust AI Lab) — dfine-s

Single-file ONNX exporting the raw model outputs (no NMS, no sigmoid, no top-k, no resizing — all pre/postprocessing stays outside the graph). Unofficial conversion; not endorsed by the upstream authors. Upstream-reported COCO AP: 49.0 (not re-measured here).

Input contract


name	`images`
dtype / layout	`float32`, NCHW
shape	`[1, 3, 640, 640]` (static)

Preprocessing: RGB → resize (stretch) to 640×640 → float32 ÷255 → ÷255, no mean/std normalization → HWC→CHW → batch dim.

Output contract

output	shape	meaning
`logits`	`[1, 300, 80]`	raw class logits (apply sigmoid yourself)
`pred_boxes`	`[1, 300, 4]`	normalized `cxcywh`

80-class COCO (contiguous 0..79), 300 queries, DETR-style set prediction — no NMS.

Artifact


`model.onnx` SHA-256	`9a3f3152d51c9f847207092f82f727d9a898aeffe30d84e9bf63d1a63ab87033` (41,806,815 bytes)

License

Apache-2.0 (see LICENSE / NOTICE). Upstream: DEIM (Intellindust AI Lab).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов: f62ba20