/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
rf_detr · dense
Библиотека
transformers
Опубликована
11 мая 2026

rf-detr-seg-medium

Сегментация изображенийИзображение → mask4 профессии

RF-DETR Seg Medium — модель Roboflow для обнаружения объектов и предсказания отдельных масок на изображениях.

364скачиваний за 30 дней5лайковвеса обновлены20 мая 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

RF-DETR Seg Medium — модель сегментации отдельных объектов, разработанная Roboflow на основе семейства RF-DETR, представленного Robinson и соавторами. Она предназначена для обнаружения объектов на изображениях и выдаёт маску для каждого экземпляра, а также ограничивающую рамку и оценку класса. Чекпойнт обучен на разметке COCO 2017 для 80 категорий объектов.

Архитектура сочетает vision transformer в стиле DINOv2 с регистрами и чередованием оконного и полноформатного внимания, многоуровневый проектор признаков и декодер на основе Deformable DETR с головой сегментации экземпляров. Модель доступна в формате safetensors и интегрирована с библиотекой Transformers.

Подходит для сценариев, где нужно находить и разделять экземпляры объектов на изображениях. Лицензия — Apache-2.0. Карточка не приводит ограничений на разрешение входных изображений или оценок качества.

Сценарии применения

  • выделение масками каждого объекта на фотографии
  • поиск объектов с выдачей рамок и оценок классов
  • сегментация объектов категорий COCO 2017
  • подготовка разметки экземпляров объектов для анализа изображений

Ограничения

Обучение ориентировано на 80 категорий объектов COCO 2017; качество на других категориях или предметных областях из карточки не следует. В README не приведены количественные оценки качества или скорости.

Для каких профессий подходит4

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

RF-DETR (Seg Medium)

RF-DETR is a real-time detection transformer family introduced in RF-DETR: Neural Architecture Search for Real-Time Detection Transformers by Robinson et al. and integrated in 🤗 Transformers via PR #36895.

Model description

RF-DETR is an end-to-end instance segmentation model that combines ideas from LW-DETR and Deformable DETR: a DINOv2-with-registers style ViT backbone (with an RF-DETR windowing pattern for efficient attention), a multi-scale projector between encoder and decoder, and a multi-scale deformable DETR decoder extended with an instance-segmentation head.

Key Architectural Details:

  • Backbone: DINOv2-with-registers style ViT with RF-DETR windowed / full attention alternation.
  • Multi-scale fusion: RF-DETR multi-scale projector (C2f-style blocks in the LW-DETR lineage) to aggregate multi-level backbone features before the decoder.
  • Decoder: Deformable DETR-style decoder with multi-scale deformable cross-attention; segmentation checkpoints add mask prediction on top of box/class outputs.
  • Queries: DETR-style object queries with bipartite matching and auxiliary decoder losses.

Training Details:

  • Segmentation losses: mask prediction losses (e.g. focal / dice style terms as configured) in addition to box and classification objectives, with auxiliary decoder supervision.
  • Group DETR: parallel decoder copies during training for faster convergence.
  • NAS (family-level): weight-sharing search over accuracy–latency knobs as in the RF-DETR paper, specialized to the target dataset distribution.

How to use

You can use the raw model for instance segmentation; it predicts per-instance masks together with bounding boxes and class scores. See the model hub to look for all available RF-DETR models.

Here is how to use this model:

from transformers import AutoImageProcessor, RfDetrForInstanceSegmentation
import torch
from PIL import Image
import requests

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

processor = AutoImageProcessor.from_pretrained("stevenbucaille/rf-detr-seg-medium")
model = RfDetrForInstanceSegmentation.from_pretrained("stevenbucaille/rf-detr-seg-medium")

inputs = processor(images=image, return_tensors="pt")
outputs = model(**inputs)

target_sizes = [image.size[::-1]]
results = processor.post_process_instance_segmentation(
    outputs, target_sizes=target_sizes, threshold=0.5
)
for item in results:
    for k, v in item.items():
        if hasattr(v, "shape"):
            print(k, tuple(v.shape))
        else:
            print(k, v)

This should output:

segmentation (480, 640)
segments_info [{'id': 1, 'label_id': 75, 'was_fused': False, 'score': 0.981757}, {'id': 2, 'label_id': 17, 'was_fused': False, 'score': 0.985233}, {'id': 3, 'label_id': 75, 'was_fused': False, 'score': 0.948442}, {'id': 4, 'label_id': 17, 'was_fused': False, 'score': 0.980785}]

Training data

These checkpoints are trained on the standard COCO 2017 instance segmentation label space (80 thing categories) as reflected in config.id2label.

BibTeX entry and citation info

@misc{robinson2026rfdetrneuralarchitecturesearch,
      title={RF-DETR: Neural Architecture Search for Real-Time Detection Transformers},
      author={Isaac Robinson and Peter Robicheaux and Matvei Popov and Deva Ramanan and Neehar Peri},
      year={2026},
      eprint={2511.09554},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://huggingface.co/papers/2511.09554},
}

This model was originally contributed by stevenbucaille in 🤗 transformers.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-segmentation

Можно запустить

Подбираем GPU…

Класс архитектуры
RfDetrForInstanceSegmentation
Ревизия весов
f9bac6e

0 моделей