/ Модель

Характеристики

Контекст
1 024 токена
Параметры
6,3 млн
Архитектура
detr · dense
Базовая модель
detr-resnet-50-panoptic
Библиотека
transformers.js
Опубликована
2 мая 2023

detr-resnet-50-panoptic

Сегментация изображенийИзображение → mask3 профессии

Xenova/detr-resnet-50-panoptic — это версия модели facebook/detr-resnet-50-panoptic с весами в формате ONNX, подготовленная для работы с библиотекой Transformers.js.

3 227скачиваний за 30 дней1лайквеса обновлены30 июн 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

Модель основана на архитектуре DETR с backbone ResNet-50 и предназначена для паноптической сегментации изображений — одновременного обнаружения объектов и выделения их областей на изображении.

Модель подходит для сценариев компьютерного зрения в JavaScript-приложениях, включая обработку изображений непосредственно в веб-среде через pipeline image-segmentation. Из README не указаны точные размеры модели, поддерживаемые языки, модальности помимо изображений, размер контекста, показатели качества или ограничения по производительности. Лицензия также не указана. Репозиторий содержит ONNX-веса для совместимости с Transformers.js; их использование ориентировано на веб-среду и другие окружения, поддерживающие ONNX.

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

https://huggingface.co/facebook/detr-resnet-50-panoptic with ONNX weights to be compatible with Transformers.js.

Usage (Transformers.js)

If you haven't already, you can install the Transformers.js JavaScript library from NPM using:

npm i @huggingface/transformers

Example: Perform image segmentation.

import { pipeline } from '@huggingface/transformers';

const segmenter = await pipeline('image-segmentation', 'Xenova/detr-resnet-50-panoptic');
const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/cats.jpg';
const output = await segmenter(url);

Note: Having a separate repo for ONNX weights is intended to be a temporary solution until WebML gains more traction. If you would like to make your models web-ready, we recommend converting to ONNX using 🤗 Optimum and structuring your repo like this one (with ONNX weights located in a subfolder named onnx).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers.js

Нельзя запустить

Модель выложена для браузера (ONNX / transformers.js), для GPU-рантайма нет весов.

Класс архитектуры
DetrForSegmentation
Ревизия весов
ea24b2d

0 моделей