/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
detectron2-mask-rcnn-R-101-DC5
Библиотека
cardamage
Опубликована
17 авг 2026

car-damage-maskrcnn-r101-dc5

Сегментация изображенийИзображение → mask3 профессии

Модель Mask R-CNN на ResNet-101 выделяет масками и классифицирует повреждения автомобилей на фотографиях для осмотра и оценки.

75скачиваний за 30 дней0лайковвеса обновлены21 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

Naiscorp/car-damage-maskrcnn-r101-dc5 — модель сегментации экземпляров повреждений автомобилей на фотографиях, предназначенная для страховых осмотров, проверки арендованных машин и оценки автомобилей перед продажей. Для каждой найденной области она выдаёт пиксельную маску, ограничивающую рамку, класс повреждения и оценку уверенности. Модель разработана на архитектуре Mask R-CNN с backbone ResNet-101 Dilated-C5: используется один feature map с шагом 16 и 2048 каналами, а нормализация FrozenBatchNorm применяется на всех этапах.

Модель размечает семь типов физических повреждений. Она обучена на внутреннем наборе фотографий, собранном во Вьетнаме; набор данных не опубликован. Выпущенный чекпойнт содержит 59 999 итераций из запланированных 270 000 и описан как промежуточный, хотя именно он использовался в производстве. На тестовом наборе из 417 изображений указаны AP50 19,64 и AP50–95 11,09; эти показатели следует учитывать при оценке пригодности для конкретного сценария. Для запуска предусмотрена библиотека cardamage, а настройки обработки изображений и порог уверенности 0,7 задаются в конфигурации. Лицензия указана как other, поэтому условия повторного использования следует проверять в репозитории модели.

Сценарии применения

  • поиск и сегментация повреждений кузова на фотографиях
  • осмотр автомобиля при страховом урегулировании
  • проверка состояния автомобиля при возврате из аренды
  • оценка повреждений автомобиля перед продажей
  • получение рамок, масок и классов повреждений для отчёта об осмотре

Ограничения

Чекпойнт промежуточный: он обучен лишь на 59 999 из 270 000 запланированных итераций. Тестовые метрики невысоки, а обучающий набор собран во Вьетнаме и не опубликован; качество на других условиях съёмки и для каждого из семи классов отдельно не установлено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Car Damage Mask R-CNN (R-101-DC5)

Instance segmentation of 7 types of physical damage on cars, for insurance, rental and resale inspection workflows. Given a photo, the model outputs a pixel mask, a bounding box, a damage class and a confidence score for every damaged region it finds.

Examples

Five damaged regions across three classes

Tear and paint scratches

Side panel

Single crease, high confidence

A failure case — read this one. The dent on this hood is obvious to a human, but at the default threshold of 0.7 the model returns nothing. It only appears at 0.5, scoring 0.57:

The demo images do not cover all 7 classes — the only available example of Vỡ kính / Broken glass had a readable licence plate and a phone number burned into the frame, so it was excluded rather than published.

Installation

pip install cardamage

Quick start

import torch
from PIL import Image
from cardamage import AutoModel

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = AutoModel.from_pretrained("Naiscorp/car-damage-maskrcnn-r101-dc5").to(device).eval()

overlay = model.inference(Image.open("car.jpg"))   # PIL.Image with masks drawn
overlay.save("damage.png")

Structured output instead of a picture:

r = model.predict(Image.open("car.jpg"))
r["boxes"]      # (N, 4) float32, xyxy in ORIGINAL image coordinates
r["scores"]     # (N,)   float32
r["classes"]    # (N,)   int64, 0..6
r["labels"]     # list[str], Vietnamese
r["labels_en"]  # list[str], English
r["masks"]      # (N, H, W) bool, pasted back to the original resolution

Labels

idTiếng ViệtEnglish
0Móp lõmDent
1Trầy sơnPaint scratch
2RáchTear
3Mất bộ phậnMissing part
4ThủngPuncture
5Bể đènBroken lamp
6Vỡ kínhBroken glass

Architecture

Meta architectureMask R-CNN (GeneralizedRCNN)
BackboneResNet-101, Dilated-C5 — res5 dilation 2, single feature map, stride 16, 2048 ch
NormalisationFrozenBatchNorm (all stages)
Region proposalsStandardRPNHead, 15 anchors/location (sizes 32–512, ratios 0.5/1/2)
ROI headsStandardROIHeads, ROIAlignV2 7×7 → 2 × FC-1024
Mask headROIAlignV2 14×14 → 4 × conv-256 → deconv → 1×1 conv, 28×28 output
Parameters190,900,534 (191,111,222 tensor entries including FrozenBN buffers)
Backbone initImageNet-pretrained MSRA/R-101; stem and res2 frozen during training

Training schedule

Batch size16
Scheduled iterations270,000
Iterations in this checkpoint59,999 — about 22% of the schedule
LR scheduleWarmupMultiStepLR: 1,000-iter linear warmup from 2e-5 to BASE_LR 0.02, then ×0.1 at 210,000 and 250,000

This is an intermediate checkpoint, not the end of the planned schedule. It is the one that has been running in production, which is why it is the one released.

Inference defaults (all overridable, all recorded in config.json):

Input formatBGR, shortest edge 800 px, longest edge capped at 1333 px
Pixel mean / std[103.53, 116.28, 123.675] / [1.0, 1.0, 1.0]
Score threshold0.7
NMS threshold0.5
Max detections100 per image
Mask binarisation0.5

Training data

Internal dataset, collected in Vietnam, annotated with VGG Image Annotator and converted to COCO instance-segmentation format. The dataset itself is not published. The statistics below describe the annotated split the model was trained and evaluated on.

TrainTest
Images2,085417
Annotated instances4,715996

Per-class instance counts:

ClassTrainTest
Trầy sơn / Paint scratch1,461323
Móp lõm / Dent1,087235
Vỡ kính / Broken glass692127
Rách / Tear679140
Mất bộ phận / Missing part47290
Bể đèn / Broken lamp18542
Thủng / Puncture13939

Benchmarks

Accuracy

Measured on the 417-image test split described above, taken from the internal project report Car Damage Analysis (HCMC, June 2025):

ModelAP50 ↑AP50-95 ↑AR ↑
mask_rcnn_R_101_DC5_3x — this model19.6411.0918.8
mask_rcnn_R_101_FPN_3x — a later retrain, not released here21.9711.9218.7

Latency

Measured directly on this checkpoint, 1280×720 input (resized to 1333×750), full pipeline including preprocessing and mask pasting:

DeviceMedianPeak VRAM
NVIDIA RTX 4090 (fp32)81 ms/image1.17 GB

License and attribution

model.py re-implements the inference algorithms of Detectron2 (Copyright 2019-present, Facebook, Inc. — licensed under the Apache License, Version 2.0), keeping the original module and parameter names so that checkpoints trained with Detectron2 load without any key remapping.

Как запустить

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

GPU в ailist

Универсальный рантайм · cardamage · image-segmentation

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
79147d2

0 моделей