Характеристики

Лицензия: Apache 2.0
Опубликована: 21 авг 2026

Ссылки

deim-rtdetrv2-l-coco-onnx

Поиск объектовИзображение → bounding_boxes

ONNX-конверсия DEIM на RT-DETRv2-L обнаруживает 80 типов объектов COCO на изображениях 640×640 и выдаёт сырые предсказания рамок и классов.

23скачиваний 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 опубликовал неофициальную конверсию DEIM на архитектуре RT-DETRv2-L в формат ONNX для обнаружения объектов на изображениях. Модель принимает RGB-изображение фиксированного размера 640×640 в виде тензора float32 NCHW; перед подачей требуется растянуть изображение до этого размера и применить описанное в карточке масштабирование значений пикселей без нормализации по среднему и стандартному отклонению.

На выходе модель выдаёт сырые логиты для 300 запросов и координаты ограничивающих рамок в формате cxcywh, нормализованные относительно изображения. Постобработка выполняется вне модели: нужно применить sigmoid к логитам и преобразовать результаты в нужный формат; NMS в граф не включён. Карточка сообщает upstream-метрику 54,3 AP на COCO, не перепроверенную авторами конверсии. Модель рассчитана на 80 классов COCO. Лицензия — Apache-2.0.

Сценарии применения

обнаружение объектов COCO на фотографиях
получение координат рамок для изображений 640×640
встраивание детектора объектов в ONNX Runtime
построение конвейера компьютерного зрения с собственной постобработкой

Ограничения

Вход имеет фиксированную форму 1×3×640×640, а граф выдаёт сырые результаты без sigmoid, NMS, top-k и изменения размера, поэтому требуется внешняя предобработка и постобработка. Показатель 54,3 AP приведён upstream и не измерялся повторно 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) — rtdetrv2-l

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: 54.3 (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	`fada0e0dfc683f65345fb9b1baba085a76ca95e1523ca65731a1f28d1f09a792` (168,908,447 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: d9b7f3d