Характеристики

Лицензия: Своя лицензия
Библиотека: libreyolo
Опубликована: 12 авг 2026

Ссылки

LibreTinyFormerm

Поиск объектовИзображение → bounding_boxes

Перепакованные для LibreYOLO веса гибридного детектора TinyFormer, предназначенного для обнаружения мелких объектов на изображениях.

0скачиваний за 30 дней0лайковвеса обновлены12 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

LibreTinyFormerm — веса TinyFormer-M-PBM, перепакованные проектом LibreYOLO для запуска через унифицированный интерфейс обнаружения объектов. TinyFormer представляет собой гибридный детектор YOLO-DETR на основе DEIMv2, рассчитанный на поиск мелких объектов. В архитектуре используются Spatial Semantic Adapter и четырёхмасштабная Parallel Bi-fusion neck; модель работает с башней ViT-Tiny+, дистиллированной из DINOv3 через DEIMv2. Для COCO val2017 заявлена метрика mAP50–95 53,7.

Репозиторий содержит веса в формате ONNX; README показывает вызов предсказания по изображению через LibreYOLO. Параметры обучения не менялись: изменена только обёртка метаданных для маршрутизации модели в фабрике LibreYOLO. Исходный чекпойнт TinyFormer опубликован AICVlab при Национальном университете Ян Мин Цзяо Тун; веса башни основаны на DINOv3. Распространение регулируется одновременно лицензией Apache 2.0 для кодовой линии TinyFormer/DEIMv2 и лицензией DINOv3 для соответствующих параметров; в метаданных Hugging Face указана лицензия other.

Сценарии применения

обнаружение мелких объектов на изображениях
поиск объектов в кадрах для компьютерного зрения
инференс детектора через интерфейс LibreYOLO
оценка детектора на COCO val2017

Ограничения

README приводит метрику только для COCO val2017; результатов на других наборах данных или характеристик скорости не указано. Для использования параметров DINOv3 применяются условия лицензии DINOv3 наряду с лицензией Apache 2.0 для линии TinyFormer/DEIMv2.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LibreTinyFormerm

TinyFormer-M-PBM detection weights, repackaged for LibreYOLO. TinyFormer ("TinyFormer: Preserving Tiny Objects in YOLO-DETR Hybrid Real-time Detectors", arXiv:2605.25046) is a DEIMv2-derived YOLO-DETR hybrid specialised for tiny objects via a Spatial Semantic Adapter and a 4-scale Parallel Bi-fusion neck. This size runs on the DEIMv2-distilled ViT-Tiny+ tower (DINOv3-distilled).

Reported COCO val2017 mAP50-95: 53.7.

Usage

from libreyolo import LibreYOLO

model = LibreYOLO("LibreTinyFormerm.pt")   # auto-downloads from this repo
results = model.predict("image.jpg")

Source

Derived from mmpmmpmmpjosh/TinyFormer at commit 9075d9f, sourced from the official Google Drive checkpoint mirror. Copyright (C) 2026 AICVlab, National Yang Ming Chiao Tung University (NYCU). The TinyFormer codebase is licensed under the Apache License, Version 2.0 (DEIM/DEIMv2 lineage).

The backbone parameters derive from facebookresearch/dinov3 (the DEIMv2-distilled ViT-Tiny+ tower (DINOv3-distilled)) and are licensed under the DINOv3 License. Because this checkpoint bundles DINOv3-derived parameters, the combined distribution is governed by the terms of both licenses.

Modifications

Checkpoint metadata wrapping only — learned parameters are unchanged (the EMA weights of the released solver checkpoint). The wrapper adds model_family, size, nc, and names fields so the unified LibreYOLO() factory routes correctly without filename heuristics. See weights/convert_tinyformer_weights.py in the LibreYOLO source repository.

License

Dual-licensed: Apache License 2.0 (TinyFormer/DEIMv2 components) and the DINOv3 License (backbone parameters). The combined LICENSE file in this repository contains both license texts. See also NOTICE for attribution detail.

Как запустить

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

GPU в ailist

Универсальный рантайм · libreyolo

Нельзя запустить

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

Ревизия весов: e53cc37