/ Модель

Характеристики

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

rf-detr-small

Поиск объектовИзображение → bounding_boxes3 профессии

RF-DETR Small — трансформер для быстрого обнаружения объектов 80 категорий COCO на изображениях.

793скачиваний за 30 дней1лайквеса 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 Small — модель сквозного обнаружения объектов семейства RF-DETR, разработанного авторами статьи Robinson et al. Она предназначена для детекции объектов в изображениях и рассчитана на компромисс между точностью и задержкой при работе в реальном времени.

Архитектура объединяет визуальный трансформер в стиле DINOv2 с регистрами и чередованием оконного и полного внимания, многомасштабный проектор признаков и декодер на основе Deformable DETR. Модель обучена для распознавания 80 категорий COCO 2017. Репозиторий использует библиотеку Transformers и формат весов Safetensors.

Модель подходит для локализации объектов на фотографиях и видеокадрах после извлечения кадров, а также для построения приложений компьютерного зрения. Данных о поддержке других наборов классов или языковых входов нет. Лицензия — Apache-2.0.

Сценарии применения

  • поиск и локализация объектов на фотографиях
  • обнаружение объектов на кадрах видеопотока
  • подсчёт объектов выбранных категорий на изображениях
  • создание систем компьютерного зрения реального времени

Ограничения

Модель обучена на 80 категориях COCO 2017, поэтому обнаружение других классов не заявлено. README не сообщает показатели точности, предельное разрешение входа или результаты на иных наборах данных.

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

RF-DETR (Small)

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 object detection 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 for fast convergence and strong accuracy–latency tradeoffs.

Key Architectural Details:

  • Backbone: DINOv2-with-registers style ViT with RF-DETR windowed / full attention alternation (instead of a purely convolutional encoder).
  • 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; depth and input resolution vary by checkpoint (NAS frontier).
  • Queries: DETR-style object queries with bipartite matching and auxiliary decoder losses for training stability.

Training Details:

  • Detection losses: classification plus bounding-box L1 and GIoU, with auxiliary losses on intermediate decoder layers.
  • Group DETR: parallel decoder copies during training for faster convergence (same high-level idea as LW-DETR's Group DETR).
  • NAS (family-level): the RF-DETR paper uses weight-sharing neural architecture search over practical accuracy–latency knobs after adapting a shared backbone on the target dataset, so many checkpoints correspond to different subnets without full independent retrains for every point on the frontier.

How to use

You can use the raw model for object detection. See the model hub to look for all available RF-DETR models.

Here is how to use this model:

from transformers import AutoImageProcessor, RfDetrForObjectDetection
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-small")
model = RfDetrForObjectDetection.from_pretrained("stevenbucaille/rf-detr-small")

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

# convert outputs (bounding boxes and class logits) to COCO API
# let's only keep detections with score > 0.35
target_sizes = torch.tensor([image.size[::-1]])
results = processor.post_process_object_detection(outputs, target_sizes=target_sizes, threshold=0.35)[0]

for score, label, box in list(zip(results["scores"], results["labels"], results["boxes"]))[:8]:
    box = [round(i, 2) for i in box.tolist()]
    print(
            f"Detected {model.config.id2label[label.item()]} with confidence "
            f"{round(score.item(), 3)} at location {box}"
    )

This should output:

Detected cat with confidence 0.993 at location [11.83, 55.12, 318.32, 473.23]
Detected cat with confidence 0.987 at location [347.05, 24.26, 639.54, 373.83]
Detected remote with confidence 0.99 at location [40.49, 72.61, 175.87, 117.71]
Detected remote with confidence 0.983 at location [333.95, 77.09, 371.07, 187.33]
Detected bed with confidence 0.498 at location [1.53, 1.25, 640.42, 475.72]
Detected remote with confidence 0.136 at location [338.68, 76.71, 371.2, 138.69]
Detected remote with confidence 0.241 at location [334.29, 77.9, 370.72, 187.68]
Detected remote with confidence 0.177 at location [340.43, 77.33, 371.02, 119.32]

Training data

These checkpoints are trained on the standard COCO 2017 object detection dataset label space (80 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 · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры
RfDetrForObjectDetection
Ревизия весов
3bdc465

0 моделей