/ Модель

Характеристики

Лицензия
MIT
Архитектура
yolo11 · dense
Опубликована
20 авг 2026

OmniParser-v2-icon-detect

Поиск объектовИзображение → bounding_boxes

Детектор на базе YOLO11 находит значки на RGB-изображениях и возвращает их рамки и оценки уверенности.

24скачиваний за 30 дней0лайковвеса обновлены20 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

OmniParser v2.0 Icon Detector — порт модели обнаружения значков из microsoft/OmniParser-v2.0 на MLX, опубликованный пользователем axiom-of-choice. Это детектор объектов на архитектуре семейства YOLO11 с backbone C3k2, блоком SPPF, attention-модулем C2PSA и безанкорной Detect-головой. Модель распознаёт один класс — icon — на RGB-изображениях исходного разрешения и выдаёт ограничивающие рамки с оценками уверенности.

Модель предназначена для поиска значков на скриншотах и других изображениях, в том числе как компонент разбора интерфейсов OmniParser. В README сообщается о совпадении детекций с эталонной реализацией PyTorch на проверочном примере из семи рамок. Веса преобразованы из microsoft/OmniParser-v2.0/icon_detect/model.pt в формат safetensors для MLX. Лицензия — MIT.

Сценарии применения

  • Поиск значков на скриншотах интерфейсов
  • Получение координат значков для автоматизации работы с интерфейсом
  • Выделение значков на изображениях для последующего разбора OmniParser

Ограничения

Распознаёт только один класс — icon; README не приводит оценок качества на широком наборе данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OmniParser v2.0 Icon Detector (YOLO11) — MLX

Native MLX port of the icon detection model from microsoft/OmniParser-v2.0.

Model Details

  • Architecture: YOLO11-family (C3k2 backbone, SPPF, C2PSA attention neck, anchor-free Detect head)
  • Classes: 1 (icon)
  • Input: RGB image at native resolution
  • Output: Bounding boxes with confidence scores

Usage

import mlx.core as mx
from mlx_vlm.models.yolo11 import YOLO11, load_weights, non_max_suppression

model = YOLO11(nc=1)
load_weights(model, mx.load("model.safetensors"))

# Run detection
pred = model(mx.array(image)[None])  # (1, 5, N) — 4 box + 1 score
detections = non_max_suppression(pred, conf_thresh=0.05, iou_thresh=0.1)

Source

Converted from microsoft/OmniParser-v2.0/icon_detect/model.pt (Ultralytics YOLO11, nc=1). Parity verified: identical detections vs PyTorch reference (7/7 boxes, confidences to 4 decimals).

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
e19ddc6

0 моделей