Характеристики

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

Ссылки

LibreTinyFormers-visdrone

Поиск объектовИзображение → bounding_boxes

Детектор TinyFormer-S-PBM для обнаружения мелких объектов десяти классов на изображениях с дронов из набора VisDrone2019.

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

LibreTinyFormers-visdrone — веса детектора объектов TinyFormer-S-PBM, опубликованные LibreYOLO и дообученные для набора VisDrone2019. Модель построена как гибрид YOLO-DETR на основе DEIMv2 и предназначена для обнаружения мелких объектов на изображениях. В архитектуре используются пространственный семантический адаптер и четырёхмасштабная шея Parallel Bi-fusion; визуальная башня — дистиллированная ViT-Tiny на основе DINOv3.

Модель распознаёт 10 категорий VisDrone2019: пешеходов, людей, велосипеды, автомобили, фургоны, грузовики, трициклы, трициклы с навесом, автобусы и мотоциклы. Для набора VisDrone2019 указана AP 28,9 по протоколу исходного проекта; этот показатель нельзя напрямую сравнивать с результатами на COCO. Репозиторий содержит веса в формате ONNX, а использовать их предлагается через библиотеку LibreYOLO для предсказаний по изображениям.

Это конвертированная упаковка чекпойнта: обученные параметры не изменены, добавлены только метаданные для интеграции с фабрикой LibreYOLO. Исходные веса — официальный файнтюн VisDrone2019, инициализированный COCO-чекпойнтом TinyFormer. Лицензия указана как other; README сообщает, что распространение подпадает под условия Apache License 2.0 и DINOv3 License.

Сценарии применения

обнаружение пешеходов на снимках с дрона
поиск автомобилей и автобусов на аэрофотоснимках
обнаружение велосипедов, мотоциклов и трициклов в видеопотоке с дрона
детекция мелких объектов на изображениях VisDrone2019

Ограничения

Показатель AP 28,9 относится к протоколу оценки VisDrone2019 в исходном проекте и не сопоставим напрямую с результатами на COCO. Распространение чекпойнта регулируется условиями Apache License 2.0 и DINOv3 License.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LibreTinyFormers-visdrone

TinyFormer-S-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): 28.9.

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("LibreTinyFormers-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: 9f05e33