/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
rt_detr_v2 · dense
Библиотека
transformers
Опубликована
31 янв 2025

rtdetr_v2_r101vd

Поиск объектовИзображение → bounding_boxes3 профессии

RT-DETRv2 с backbone ResNet-101 VD обнаруживает и локализует объекты на изображениях для сценариев, требующих быстрого компьютерного зрения.

4 101скачиваний за 30 дней16лайковвеса обновлены6 фев 2025

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

PekingU/rtdetr_v2_r101vd — модель компьютерного зрения на архитектуре RT-DETRv2, разработанной исследователями из Пекинского университета и соавторами. Версия с backbone ResNet-101 VD предназначена для обнаружения объектов на изображениях: она возвращает метки классов, оценки уверенности и координаты рамок. Модель обучена на COCO train2017 и оценивалась на COCO val2017.

RT-DETRv2 развивает RT-DETR с помощью выборочного извлечения многомасштабных признаков, дискретного оператора выборки и улучшенных стратегий обучения. Архитектура рассчитана на обнаружение объектов в реальном времени и упрощённое развёртывание на разных платформах. Модель подходит для автономного транспорта, видеонаблюдения, робототехники и анализа розничной торговли. Репозиторий использует библиотеку Transformers и формат safetensors; лицензия — Apache-2.0.

Сценарии применения

  • поиск и локализация объектов на изображениях
  • обнаружение объектов в системах видеонаблюдения
  • распознавание участников дорожной сцены для автономного транспорта
  • обнаружение объектов для навигации и задач робототехники
  • подсчёт и отслеживание товаров в розничной торговле

Ограничения

Модель обучена на COCO, поэтому качество на объектах и сценах, существенно отличающихся от этого набора данных, может быть ниже. Модель предназначена для детекции на изображениях; распознавание видео требует отдельной обработки кадров.

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

RT-DETRv2

Overview

The RT-DETRv2 model was proposed in RT-DETRv2: Improved Baseline with Bag-of-Freebies for Real-Time Detection Transformer by Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang, Yi Liu. RT-DETRv2 refines RT-DETR by introducing selective multi-scale feature extraction, a discrete sampling operator for broader deployment compatibility, and improved training strategies like dynamic data augmentation and scale-adaptive hyperparameters. These changes enhance flexibility and practicality while maintaining real-time performance.

This model was contributed by @jadechoghari with the help of @cyrilvallez and @qubvel-hf

This is

Performance

RT-DETRv2 consistently outperforms its predecessor across all model sizes while maintaining the same real-time speeds.

rt-detr-v2-graph.png

How to use

import torch
import requests

from PIL import Image
from transformers import RTDetrV2ForObjectDetection, RTDetrImageProcessor

url = 'http://images.cocodataset.org/val2017/000000039769.jpg'
image = Image.open(requests.get(url, stream=True).raw)

image_processor = RTDetrImageProcessor.from_pretrained("PekingU/rtdetr_v2_r101vd")
model = RTDetrV2ForObjectDetection.from_pretrained("PekingU/rtdetr_v2_r101vd")

inputs = image_processor(images=image, return_tensors="pt")

with torch.no_grad():
     outputs = model(**inputs)

results = image_processor.post_process_object_detection(outputs, target_sizes=torch.tensor([(image.height, image.width)]), threshold=0.5)

for result in results:
     for score, label_id, box in zip(result["scores"], result["labels"], result["boxes"]):
         score, label = score.item(), label_id.item()
         box = [round(i, 2) for i in box.tolist()]
         print(f"{model.config.id2label[label]}: {score:.2f} {box}")
cat: 0.97 [341.14, 25.11, 639.98, 372.89]
cat: 0.96 [12.78, 56.35, 317.67, 471.34]
remote: 0.95 [39.96, 73.12, 175.65, 117.44]
sofa: 0.86 [-0.11, 2.97, 639.89, 473.62]
sofa: 0.82 [-0.12, 1.78, 639.87, 473.52]
remote: 0.79 [333.65, 76.38, 370.69, 187.48]

Training

RT-DETRv2 is trained on COCO (Lin et al. [2014]) train2017 and validated on COCO val2017 dataset. We report the standard AP metrics (averaged over uniformly sampled IoU thresholds ranging from 0.50 − 0.95 with a step size of 0.05), and APval50 commonly used in real scenarios.

Applications

RT-DETRv2 is ideal for real-time object detection in diverse applications such as autonomous driving, surveillance systems, robotics, and retail analytics. Its enhanced flexibility and deployment-friendly design make it suitable for both edge devices and large-scale systems + ensures high accuracy and speed in dynamic, real-world environments.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры
RtDetrV2ForObjectDetection
Ревизия весов
2c5dbbd

0 моделей