/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
grounding-dino · dense
Опубликована
6 апр 2025

llmdet_swin_base_hf

Поиск объектовИзображение → bounding_boxes3 профессии

Производная модели fushh7/llmdet_swin_tiny_hf. LLMDet — детектор Grounding DINO для поиска и локализации объектов на изображениях по текстовым запросам с открытым словарём.

76скачиваний за 30 дней0лайковвеса обновлены8 апр 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

Карточка модели fushh7/llmdet_swin_base_hf на Hugging Face совпадает с карточкой fushh7/llmdet_swin_tiny_hf, поэтому описание составлено по ней.

LLMDet — детектор объектов с открытым словарём, представленный в версии для Hugging Face. Модель разработана авторами Shenghao Fu и коллегами; работа отмечена как Highlight на CVPR 2025. В карточке указана архитектура Grounding DINO и класс GroundingDinoForObjectDetection.

Модель предназначена для обнаружения объектов по текстовым описаниям и поиска объектов на изображениях без заранее фиксированного набора классов. Её можно применять для локализации объектов по запросам на естественном языке и исследовательских экспериментов с open-vocabulary детекцией. В статье обучение описано как использующее надзор со стороны больших языковых моделей.

Репозиторий содержит веса PyTorch в формате Safetensors. Лицензия — Apache-2.0. README отсылает за подробностями к GitHub и статье; параметры размера, контекстного окна и поддерживаемые языки в предоставленных данных не приведены.

Сценарии применения

  • поиск объектов на изображении по текстовому описанию
  • локализация объектов без заранее заданного списка классов
  • проверка open-vocabulary детекции в исследовательских экспериментах

Ограничения

Подробности о качестве, ограничениях и поддерживаемых языках в предоставленной карточке не раскрыты; для них README отсылает к GitHub и статье.

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

This is the huggingface version of LLMDet (CVPR2025 Highlight).

Please refer to our Github for more details.

If you find our work helpful for your research, please consider citing our paper.

@article{fu2025llmdet,
  title={LLMDet: Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models},
  author={Fu, Shenghao and Yang, Qize and Mo, Qijie and Yan, Junkai and Wei, Xihan and Meng, Jingke and Xie, Xiaohua and Zheng, Wei-Shi},
  journal={arXiv preprint arXiv:2501.18954},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · object-detection

Нельзя запустить

Для архитектуры grounding-dino нет загрузчика под задачу object-detection.

Класс архитектуры
GroundingDinoForObjectDetection
Ревизия весов
a5dee63

0 моделей