Характеристики

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

Ссылки

Hugging Face arXiv 2605.25046

LibreTinyFormerx-obj2coco

LibreYOLO

Поиск объектовИзображение → bounding_boxes

Детектор TinyFormer-X-PBM для обнаружения объектов, включая мелкие, на изображениях с использованием 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

LibreTinyFormerx-obj2coco — веса детектора объектов TinyFormer-X-PBM, перепакованные проектом LibreYOLO из официального чекпойнта, обученного с предварительным обучением на Objects365 и дообученного на COCO в течение 24 эпох. Модель предназначена для обнаружения объектов на изображениях, в том числе мелких; README приводит результат 60,2 mAP50–95 на COCO val2017.

Архитектура TinyFormer — гибрид YOLO-DETR на основе DEIMv2 с Spatial Semantic Adapter и четырёхмасштабным Parallel Bi-fusion neck. Эта версия использует дообученную башню DINOv3 ViT-S/16+. В репозитории также указан формат ONNX; пример использования показывает загрузку весов через LibreYOLO и предсказание по изображению.

Изменения в чекпойнте ограничены обёрткой метаданных, сами обученные параметры не менялись. Распространение регулируется одновременно Apache License 2.0 для кодовой базы TinyFormer и лицензией DINOv3 для параметров, производных от DINOv3. Модель ориентирована на обнаружение объектов; сведения о поддерживаемых языках не приводятся.

Сценарии применения

обнаружение мелких объектов на фотографиях
поиск объектов на изображениях COCO-подобных сцен
локализация нескольких объектов в кадре
оценка детектора на COCO val2017

Ограничения

В README указана оценка на COCO val2017, но результат на других наборах данных не приведён. Для распространения весов необходимо учитывать одновременно условия Apache License 2.0 и лицензии DINOv3.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LibreTinyFormerx-obj2coco

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 (Objects365 pretrain, 24-epoch COCO finetune): 60.2.

This is the official Objects365-pretrained checkpoint finetuned on COCO for 24 epochs (the best-generalisation release).

Usage

from libreyolo import LibreYOLO

model = LibreYOLO("LibreTinyFormerx-obj2coco.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: 8e58433