/ Модель
Каталог

Характеристики

Лицензия
Своя лицензия
Библиотека
libreyolo
Опубликована
15 авг 2026

Ссылки

Hugging Face

LibreDOMEDETRm-aitod

LibreYOLO
Поиск объектовИзображение → bounding_boxes

Модель Dome-DETR M для обнаружения девяти классов мелких объектов на изображениях AI-TOD-V2.

0скачиваний за 30 дней0лайковвеса обновлены15 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

LibreDOMEDETRm-aitod — модель обнаружения объектов на изображениях, разработанная авторами Dome-DETR и преобразованная для загрузки в LibreYOLO. Веса обучены на AI-TOD-V2 для обнаружения мелких объектов и предсказывают 9 классов. Модель использует архитектуру Dome-DETR M и рассчитана на входные изображения размером 800×800 пикселей.

Модель подходит для поиска и локализации мелких объектов на изображениях в задачах анализа аэроснимков и других данных, похожих на AI-TOD-V2. Веса предназначены только для академических исследований. В карточке указана лицензия other; README предупреждает, что веса не покрываются MIT-лицензией LibreYOLO и не имеют подтверждённого коммерческого разрешения. Основа перераспространения описана сопровождающим как его трактовка заявления Apache-2.0, а не как подтверждение авторов Dome-DETR.

Сценарии применения

  • поиск мелких объектов на аэроснимках
  • локализация объектов на изображениях размером 800×800
  • анализ изображений в задачах, похожих на AI-TOD-V2

Ограничения

Веса предназначены только для академических исследований; коммерческое использование не разрешено согласно README. Модель обучена на AI-TOD-V2 для 9 классов и рассчитана на изображения 800×800.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LibreDOMEDETRm-aitod

Dome-DETR M trained on AI-TOD-V2 (9 output classes), converted for LibreYOLO at 800x800.

ACADEMIC-RESEARCH-ONLY WEIGHTS

The upstream model card says these weight files are for academic research purposes only. They are not covered by LibreYOLO's MIT license and must not be treated as commercially cleared.

The same upstream card also says the project is Apache-2.0, but it has no license metadata and links to a LICENSE file that does not exist in the weight repository. LibreYOLO's maintainer approved this mirror by treating the Apache statement as the redistribution basis and preserving the stricter academic-only sentence as the use restriction. This is LibreYOLO's disclosed interpretation, not clarification from the Dome-DETR authors. Review the pinned upstream card and the LICENSE and NOTICE in this repository before use.

from libreyolo import LibreYOLO

model = LibreYOLO("LibreDOMEDETRm-aitod.pt")
results = model.predict("image.jpg")

Source

Official upstream weight file: best_ckpts_dome_2026/aitod-m-best.pth

  • Upstream model revision: 530230620d1f3261a267d462989cddf204cc6e10
  • Source SHA-256: d0242732410ac329a441e2a39b484bbfbb5f7196170cc0379a761ac0cf835d6b
  • Converted SHA-256: 79f8b7786eca5ef6a693798a4b2e4edcf089e83a8d747dfd2f86eaa193dd5977

The Dome-DETR architecture source is Apache-2.0 at commit 2dde3bc1946a3e9fad9abd0612b59fc39bd6b861. Copyright (c) 2025 The Dome-DETR Authors, as stated in its source headers. That source-code license and LibreYOLO's MIT code license do not remove the academic-only restriction stated for these pretrained weights.

Modifications

LibreYOLO adds checkpoint-schema metadata, including the dataset variant, class names, pinned source revision, and source SHA-256. State-dict keys and learned tensors are unchanged. The converted checkpoint loads strictly into LibreYOLO's native implementation. See weights/convert_domedetr_weights.py.

License and terms

Academic research purposes only, following the stricter statement on the upstream weight card. The upstream Apache-2.0 statement and its missing weight repository LICENSE file are documented without omission. See LICENSE and NOTICE.

Как запустить

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

GPU в ailist

Универсальный рантайм · libreyolo · object-detection

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
b61354b

0 моделей

    Создать бенчмарк