Характеристики

Лицензия: Apache 2.0
Архитектура: rt_detr_v2 · dense
Базовая модель: rtdetr_v2_r18vd
Библиотека: transformers
Опубликована: 7 авг 2026

Ссылки

Hugging Face

baseline-rtdetr-v2-r18

harness-race

Поиск объектовИзображение → bounding_boxes4 профессии

Дообученная RT-DETRv2 для обнаружения и локализации объектов на изображениях.

10скачиваний за 30 дней0лайковвеса обновлены7 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

baseline-rtdetr-v2-r18 — модель обнаружения объектов на изображениях, дообученная на основе PekingU/rtdetr_v2_r18vd. Она использует архитектуру RT-DETRv2 и предназначена для поиска объектов и определения их расположения на изображениях. Конкретный набор классов зависит от обучающих данных, которые в карточке не описаны. Модель распространяется в формате safetensors; лицензия — Apache-2.0.

Сценарии применения

поиск объектов на изображениях
определение расположения объектов в кадре
автоматическая разметка изображений рамками объектов

Ограничения

Набор классов и качество модели зависят от обучающих данных; README не раскрывает датасет и результаты оценки.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

baseline-rtdetr-v2-r18

This model is a fine-tuned version of PekingU/rtdetr_v2_r18vd on an unknown dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: cosine
lr_scheduler_warmup_steps: 300
num_epochs: 12
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 5.14.1
Pytorch 2.13.0+cu130
Datasets 5.0.1
Tokenizers 0.22.2

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: RTDetrV2ForObjectDetection
Ревизия весов: 117c1cf