Характеристики

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

Ссылки

LibreTinyFormerx

Поиск объектовИзображение → bounding_boxes

LibreTinyFormerx — гибридный детектор YOLO-DETR на основе DEIMv2 и DINOv3, предназначенный для обнаружения объектов, включая мелкие, 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

LibreTinyFormerx — веса детектора объектов TinyFormer-X-PBM, переупакованные проектом LibreYOLO из опубликованного контрольного снимка TinyFormer. Архитектура представляет собой гибрид YOLO и DETR на основе DEIMv2: для обнаружения мелких объектов используются Spatial Semantic Adapter и четырёхмасштабная Parallel Bi-fusion neck, а в качестве основы выступает дообученная башня DINOv3 ViT-S/16+. Для проверки на COCO val2017 указана метрика mAP50-95 58,5.

Модель предназначена для обнаружения и локализации объектов на изображениях, в том числе мелких. Репозиторий предоставляет веса в формате ONNX; пример использования показывает загрузку через LibreYOLO и предсказание по изображению. Изменения при переупаковке касаются только метаданных контрольного снимка, обученные параметры не менялись.

Распространение регулируется условиями Apache License 2.0 для кодовой линии DEIM/DEIMv2 и лицензией DINOv3 для параметров, происходящих от DINOv3; README указывает, что к объединённой поставке применяются условия обеих лицензий. Метаданные Hugging Face обозначают лицензию как other.

Сценарии применения

обнаружение мелких объектов на фотографиях
локализация объектов на изображениях
подсчёт объектов по результатам детекции
анализ изображений в приложениях на LibreYOLO

Ограничения

Приведённая метрика mAP50-95 относится к COCO val2017; других данных о точности или ограничениях применения в карточке нет. Для распространения весов необходимо учитывать условия обеих указанных лицензий — Apache License 2.0 и DINOv3 License.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LibreTinyFormerx

TinyFormer-X-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 a finetuned DINOv3 ViT-S/16+ tower.

Reported COCO val2017 mAP50-95: 58.5.

Usage

from libreyolo import LibreYOLO

model = LibreYOLO("LibreTinyFormerx.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 (a finetuned DINOv3 ViT-S/16+ tower) 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: c9bac5d