/ Модель

Характеристики

Размер весов
1,6 ГБ
Лицензия
Apache 2.0
Библиотека
pytorch
Опубликована
1 мая 2026

D-FINE-seg

Поиск объектовИзображение → bounding_boxes3 профессии

D-FINE-seg — семейство моделей компьютерного зрения для быстрой детекции объектов и сегментации на изображениях с возможностью дообучения под собственные классы.

622скачиваний за 30 дней10лайковвеса обновлены23 авг 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

D-FINE-seg — семейство моделей компьютерного зрения от разработчиков проекта D-FINE-seg для детекции объектов и сегментации. Архитектура детекции следует D-FINE и использует подход DETR с запросами и рамками; для сегментации экземпляров добавлена облегчённая голова в стиле Mask DINO, а для семантической сегментации — отдельная голова без запросов. Выпущены варианты N, S, M, L и X: от 3,8 млн параметров у детектора N до 64,6 млн у модели сегментации экземпляров X.

Доступны веса, предварительно обученные на COCO, для детекции и сегментации экземпляров. Модель рассчитана на обработку изображений в реальном времени, дообучение на пользовательских наборах данных и развёртывание через PyTorch, ONNX, TensorRT, OpenVINO, CoreML и LiteRT. В README приведены результаты дообучения на Cityscapes, VisDrone и TACO. Семантическая сегментация поддерживается кодовой базой, но готовые веса для неё пока не выпущены.

Для запуска нужны изображения; модель выдаёт рамки объектов и маски, а в задаче семантической сегментации — классы пикселей. Карточка не указывает конкретные поддерживаемые классы или размер входного изображения. Веса и код распространяются по лицензии Apache 2.0. README рекомендует дообучать опубликованные веса на собственных данных; при INT8-квантизации сегментация заметно теряет в F1, поэтому для неё рекомендуется FP16.

Сценарии применения

  • поиск и локализация объектов на изображениях
  • сегментация отдельных экземпляров объектов
  • семантическая сегментация изображений после дообучения
  • обнаружение объектов на кадрах с дронов
  • выделение мусора и отходов на изображениях
  • развёртывание детекции и сегментации на GPU и мобильных устройствах

Ограничения

Опубликованные веса предназначены для инициализации и предварительно обучены на COCO; для пользовательских классов требуется дообучение. Готовых весов для семантической сегментации пока нет, а INT8-квантизация заметно снижает качество сегментации.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

D-FINE-seg

Real-time object detection, instance segmentation, and semantic segmentation — one codebase, one config flag (task: detect | segment | sem_seg), five model sizes (N -> X), and fused end-to-end deployment graphs for ONNX, TensorRT, OpenVINO, CoreML and LiteRT.

This repo hosts the released weights; the code, full benchmark tables and docs live in the GitHub repo. 📄 Paper (arXiv:2602.23043) · 🎬 Video tutorial · 🧪 Colab · Apache 2.0

One frame, three tasks, one config flag.

Highlights

  • Three tasks, one model family — DETR-style detection (queries -> boxes), plus a lightweight Mask-DINO-style mask head for instance segmentation and a query-free head for semantic segmentation. All train-time-only additions; zero inference overhead.
  • Five sizes (N/S/M/L/X) — COCO-pretrained weights for detection and instance segmentation, including dfine_*_obj2coco.pt (Objects365 -> COCO) for stronger fine-tuning inits.
  • Headline accuracy — on Cityscapes fine-tuning, beats Ultralytics YOLO26 and RF-DETR on detection & instance-segmentation F1 and leads mIoU on semantic segmentation, at real-time latency with 2–3× fewer parameters (TensorRT FP16, end-to-end protocol).
  • Multi-backend deployment — one export pipeline produces ONNX / TensorRT / OpenVINO / CoreML / LiteRT graphs with the postprocessor fused; INT8 quantization (OpenVINO, CoreML, LiteRT); ByteTrack tracking; SAM3 auto-labeling; Gradio demo.
  • Not a fork — the detection core follows the D-FINE paper; segmentation heads, training, export and inference were reimplemented from scratch, with the mask-head design following the Mask DINO paradigm.

Results (Cityscapes, fine-tuned)

500 Cityscapes val images at original resolution, TensorRT FP16, batch 1, RTX 5070 Ti, end-to-end latency (preprocessing + forward + postprocessing). Every framework runs its own shipped inference code. Full protocol: cityscapes-benchmark.

TaskD-FINE-segYOLO26RF-DETR
DetectionS — 0.703 F1, 2.0 ms, 10.3 MM — 0.691, 3.0 ms, 21.8 Mm — 0.673, 10.2 ms, 33.4 M
Instance segS — 0.661 F1, 3.1 ms, 11.9 MM — 0.599, 5.2 ms, 27.0 Mm — 0.620, 16.3 ms, 35.4 M
Semantic segM — 0.753 mIoU, 2.2 ms, 16.0 ML — 0.739, 3.6 ms, 17.9 Mn/a

VisDrone (detection) and TACO (instance segmentation) fine-tuning results, plus COCO-style AP and cross-format (Torch/TRT/OpenVINO/CoreML) comparisons on desktop, Intel N150 and Apple Silicon: GitHub README -> Benchmarks.

Checkpoints

All files are PyTorch .pt; weights auto-download on first use (no manual download needed).

TaskFilesParams (M)
Detection (COCO-pretrained)dfine_{n,s,m,l,x}_coco.pt3.8 / 10.4 / 19.7 / 31.4 / 62.9
Detection (Objects365 -> COCO)dfine_{s,m,l,x}_obj2coco.pt10.4 / 19.7 / 31.4 / 62.9
Instance segmentation (COCO-pretrained)dfine_seg_{n,s,m,l,x}_coco.pt4.2 / 12.0 / 21.3 / 33.0 / 64.6

No released semantic-segmentation weights yet — fine-tune from a dfine_seg_* checkpoint (train.pretrained_model_path); the backbone, encoder and mask fuser transfer, the neck and classifier train from scratch.

Usage

pip install dfine-seg           # inference + training
pip install 'dfine-seg[all]'    # + every export backend, SAM3, Gradio demo
from dfine_seg import load_model, read_image

model = load_model("s")                        # COCO detection, weights auto-downloaded
model = load_model("s", task="segment")        # COCO instance segmentation
model = load_model("path/to/model.pt")         # your checkpoint — size/task/classes auto-detected
model = load_model("path/to/model.engine")     # any exported artifact, picked by extension

out = model(read_image("path/to/image.jpg"))[0]
print(out["boxes"], out["scores"], [model.names[int(i)] for i in out["labels"]])

Train, export and bench from a config file:

dfine init          # writes ./config.yaml (task: detect | segment | sem_seg)
dfine split && dfine train && dfine export && dfine bench

Everything else — data formats, config keys, export knobs, inference flags — is in the GitHub README.

Example outputs

Detection on VisDrone (aerial) · instance segmentation on TACO (waste).

Architecture

Notes

  • Weights are an init, not a final model — the released checkpoints are COCO-pretrained (detection/instance segmentation). Fine-tune on your own data for the task and classes you need; load_model detects task, classes and input size from the weights.
  • TensorRT engines are GPU-specific — re-export on the target GPU. INT8 quantization shows a noticeable F1 drop on segmentation; FP16 is the recommended trade-off.
  • Mosaic augmentation (mosaic_augs.mosaic_prob) is not recommended for the segmentation task — lower it toward 0 if masks look wrong.

Citation

@article{saakyan2026dfineseg,
  title   = {D-FINE-seg: Object Detection and Instance Segmentation Framework with Multi-Backend Deployment},
  author  = {Saakyan, Argo and Solntsev, Dmitry},
  journal = {arXiv preprint arXiv:2602.23043},
  year    = {2026},
  eprint  = {2602.23043}
}

@misc{peng2024dfine,
  title         = {D-FINE: Redefine Regression Task in DETRs as Fine-grained Distribution Refinement},
  author        = {Yansong Peng and Hebei Li and Peixi Wu and Yueyi Zhang and Xiaoyan Sun and Feng Wu},
  year          = {2024},
  eprint        = {2410.13842},
  archivePrefix = {arXiv},
  primaryClass  = {cs.CV}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch · object-detection

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
93351f2

0 моделей