/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
detr · dense
Базовая модель
detr-resnet-50
Библиотека
transformers
Опубликована
7 авг 2026

opencode-r2

Поиск объектовИзображение → bounding_boxes4 профессии

Дообученный DETR обнаруживает и локализует фотографии, иллюстрации, карты, карикатуры, заголовки и объявления на страницах исторической прессы.

17скачиваний 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

opencode-r2 — модель компьютерного зрения, дообученная на базе facebook/detr-resnet-50 для анализа страниц исторических газет и периодических изданий. Она обнаруживает объекты и возвращает для них классы и ограничивающие рамки в формате COCO: фотографии, иллюстрации, карты, комиксы и карикатуры, редакционные карикатуры, заголовки и объявления.

Модель обучена на наборе Beyond Words от Library of Congress: 2 846 обучающих и 712 проверочных примеров. На проверочной выборке COCO mAP при IoU от 0,5 до 0,95 составила 0,2842, а AP при IoU 0,5 — 0,4189. Веса представлены в формате safetensors; лицензия — Apache-2.0.

Модель подходит для разметки и поиска визуальных и редакционных элементов в оцифрованной исторической прессе. Обучение проводилось с ограниченным бюджетом на одной GPU; качество заметно различается между классами, а для очень мелких текстовых блоков точность зависит от разрешения изображения.

Сценарии применения

  • поиск фотографий и иллюстраций в оцифрованных газетах
  • обнаружение карт на страницах исторической периодики
  • локализация заголовков и объявлений в газетных разворотах
  • разметка комиксов и редакционных карикатур в исторических изданиях

Ограничения

Модель обучалась на ограниченном наборе данных и имеет неодинаковые показатели по классам; особенно низкий mAP указан для иллюстраций и карт. Для очень мелких текстовых блоков точность зависит от разрешения изображения.

Для каких профессий подходит4

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

opencode-r2

A fine-tuned object-detection model for fine-grained content detection in historical newspaper and periodical pages, built on the Beyond Words dataset (BigLam / Library of Congress). It detects the 7 page-layout content classes listed below.

Model

  • Base model: facebook/detr-resnet-50 (DETR, Apache-2.0)
  • Task: Object detection (COCO-style bounding boxes)
  • Classes (7): Photograph, Illustration, Map, Comics/Cartoon, Editorial Cartoon, Headline, Advertisement

Dataset

Training

  • Detector: DETR (facebook/detr-resnet-50) with the classification head re-initialized to 8 outputs (7 classes + no-object).
  • Loss: DETR set-prediction loss (classification + L1 box + GIoU).
  • Optimizer: AdamW (lr 1e-4), cosine/linear schedule with warmup, grad clip 1.0.
  • Image size: shortest edge 560 px (longest edge 800 px).
  • Backbone, transformer, and classifier all fine-tuned end-to-end.

Validation results

Evaluated on the 712-example biglam/loc_beyond_words validation split (COCO metrics via pycocotools).

MetricValue
COCO mAP @ IoU [0.5:0.95]0.2842
COCO AP @ IoU 0.50.4189
COCO AP @ IoU 0.750.3196
AR@maxDets=1000.4302

Per-class COCO mAP @ [0.5:0.95]:

ClassmAP
Photograph0.4027
Illustration0.0485
Map0.0431
Comics/Cartoon0.2761
Editorial Cartoon0.1702
Headline0.5226
Advertisement0.5259

Training loss: 21.06 (epoch 0) → 7.44 (epoch 4).

Usage

from transformers import AutoImageProcessor, AutoModelForObjectDetection
import torch
from PIL import Image

processor = AutoImageProcessor.from_pretrained("harness-race/opencode-r2")
model = AutoModelForObjectDetection.from_pretrained("harness-race/opencode-r2")

img = Image.open("page.png").convert("RGB")
inputs = processor(images=img, return_tensors="pt")
with torch.no_grad():
    outputs = model(**inputs)

target_sizes = torch.tensor([[img.height, img.width]])
results = processor.post_process_object_detection(outputs, target_sizes=target_sizes, threshold=0.5)[0]
for score, label, box in zip(results["scores"], results["labels"], results["boxes"]):
    box = [round(i, 1) for i in box.tolist()]
    print(f"{model.config.id2label[label.item()]}: {round(score.item(),3)} {box}")

License and attribution

  • The fine-tuned weights in this repository are released under Apache-2.0 (same as the base DETR model), so the model is free to share and use.
  • Base detector: End-to-End Object Detection with Transformers (Carion et al., 2020).
  • Data: Beyond Words (Library of Congress) via biglam/loc_beyond_words.

Caveats

  • Model was fine-tuned on a single GPU with a limited training budget; results reflect that constraint.
  • Detection resolution and accuracy trade-offs exist for very small text blocks.

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
DetrForObjectDetection
Ревизия весов
de537b2

0 моделей