Характеристики

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

Ссылки

LibreTinyFormerm-visdrone

Поиск объектовИзображение → bounding_boxes

TinyFormer-M-PBM — детектор для поиска небольших объектов на изображениях с дронов, дообученный на VisDrone2019 и запускаемый через LibreYOLO.

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-visdrone — веса детектора объектов TinyFormer-M-PBM, переупакованные для запуска через LibreYOLO. Модель разработана AICVlab Национального университета Ян Мин Цзяотун и предназначена для обнаружения небольших объектов на изображениях с дронов в датасете VisDrone2019; она распознаёт 10 классов, включая пешеходов, велосипеды, автомобили, грузовики, автобусы и трициклы.

Архитектура представляет собой гибрид YOLO-DETR на основе DEIMv2: используется башня ViT-Tiny+, дистиллированная из DINOv3, Spatial Semantic Adapter и четырёхмасштабный Parallel Bi-fusion neck. Для проверочного набора VisDrone2019 указано AP 30,9 по протоколу авторов; этот результат нельзя напрямую сравнивать с показателями на COCO. Репозиторий содержит ONNX-формат, а README также показывает использование файла весов .pt через LibreYOLO.

Это дообучение на VisDrone2019, инициализированное из COCO-чекпойнта; при переупаковке обученные параметры не менялись. Распространение регулируется условиями Apache License 2.0 для кодовой базы TinyFormer и лицензией DINOv3 для производных параметров.

Сценарии применения

обнаружение пешеходов на кадрах с дронов
поиск автомобилей, автобусов и грузовиков на аэрофотоснимках
обнаружение велосипедов и трициклов в видеопотоке с дрона
подсчёт объектов десяти классов на изображениях VisDrone

Ограничения

Метрика AP 30,9 относится к протоколу оценки VisDrone2019 авторов и несопоставима напрямую с результатами COCO. Для распространения весов применяются условия Apache License 2.0 и лицензии DINOv3.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LibreTinyFormerm-visdrone

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 VisDrone2019 val AP (upstream protocol): 30.9.

This is the official VisDrone2019 finetune (10 classes: pedestrian, people, bicycle, car, van, truck, tricycle, awning-tricycle, bus, motor), initialised from the COCO checkpoint. The reported AP follows the upstream repository's VisDrone conversion and evaluation protocol and is not comparable to COCO numbers.

Usage

from libreyolo import LibreYOLO

model = LibreYOLO("LibreTinyFormerm-visdrone.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: ce7875f