Характеристики

Лицензия: Apache 2.0
Архитектура: rf_detr · dense
Базовая модель: rf-detr-medium
Библиотека: transformers
Опубликована: 31 июл 2026

Ссылки

Hugging Face

rfdetr-medium-basketball-player-referee-detection

koppolusameer

Поиск объектовИзображение → bounding_boxes3 профессии

Дообученная RF-DETR Medium для обнаружения баскетболистов и судей на изображениях.

11скачиваний за 30 дней0лайковвеса обновлены1 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

Это дообученная модель Roboflow на базе RF-DETR Medium, предназначенная для обнаружения баскетболистов и судей на изображениях. Она предсказывает рамки объектов и их классы; в README приведены результаты оценки, включая mAP 0,7297, mAP@50 0,971 и отдельные значения mAP для игроков и судей.

Модель подходит для анализа изображений баскетбольных матчей, например для поиска игроков и судей в кадре. Данные обучения в карточке не описаны, поэтому результаты оценки не позволяют судить о качестве на других наборах изображений. Модель опубликована в формате Safetensors под лицензией Apache-2.0.

Сценарии применения

поиск игроков на кадрах баскетбольного матча
поиск судей на баскетбольных изображениях
подсчёт видимых игроков и судей в кадре
локализация участников матча ограничивающими рамками

Ограничения

Датасет обучения в карточке не описан, поэтому переносимость результатов на другие условия съёмки неизвестна. Приведённые метрики относятся только к указанному оценочному набору.

Для каких профессий подходит3

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 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

rfdetr-medium-basketball-player-referee-detection

This model is a fine-tuned version of Roboflow/rf-detr-medium on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 16.7540
Map: 0.7297
Map 50: 0.971
Map 75: 0.8533
Map Small: 0.5023
Map Medium: 0.7305
Map Large: 0.8004
Mar 1: 0.1932
Mar 10: 0.7558
Mar 100: 0.7909
Mar Small: 0.8
Mar Medium: 0.7907
Mar Large: 0.8111
Map Player: 0.7316
Map Referee: 0.7277

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: 2e-05
train_batch_size: 2
eval_batch_size: 2
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
num_epochs: 20

Training results

Training Loss	Epoch	Step	Validation Loss	Map	Map 50	Map 75	Map Small	Map Medium	Map Large	Mar 1	Mar 10	Mar 100	Mar Small	Mar Medium	Mar Large	Map Player	Map Referee
7.3711	1.0	232	14.3762	0.4327	0.6763	0.4951	0.5	0.4338	0.4	0.1226	0.6153	0.7532	0.5	0.7545	0.5333	0.559	0.3064
6.0851	2.0	464	15.3272	0.6024	0.934	0.7044	0.5	0.6035	0.5358	0.1629	0.6584	0.7392	0.5	0.7396	0.7222	0.6316	0.5731
5.1302	3.0	696	16.1523	0.6558	0.9628	0.7659	0.6038	0.6568	0.7101	0.172	0.6964	0.7716	0.7	0.7717	0.7778	0.663	0.6487
4.7785	4.0	928	15.6558	0.6815	0.9556	0.8144	0.5	0.6833	0.6063	0.1811	0.7109	0.7817	0.5	0.7821	0.7222	0.6864	0.6766
4.8138	5.0	1160	16.0388	0.6704	0.9485	0.7884	0.7034	0.6715	0.5819	0.1812	0.701	0.7606	0.9	0.7608	0.7111	0.684	0.6568
4.2065	6.0	1392	16.0623	0.656	0.9382	0.7873	0.1034	0.6572	0.706	0.1807	0.6862	0.7469	0.4	0.7469	0.8	0.6734	0.6386
4.1001	7.0	1624	16.2022	0.6798	0.9254	0.8015	0.5	0.6809	0.582	0.1885	0.7009	0.7632	0.5	0.7635	0.7556	0.7091	0.6504
3.7894	8.0	1856	16.3419	0.6659	0.9089	0.7841	0.503	0.6666	0.7698	0.1894	0.6876	0.7452	0.7	0.7451	0.8111	0.6944	0.6373
3.7885	9.0	2088	15.8034	0.6903	0.9424	0.8142	0.5029	0.6914	0.6873	0.1883	0.7166	0.7728	0.8	0.7728	0.7778	0.7028	0.6777
3.7385	10.0	2320	16.1087	0.7012	0.9634	0.8318	0.6	0.7021	0.6731	0.1855	0.731	0.7769	0.6	0.7772	0.7333	0.716	0.6865
3.5390	11.0	2552	16.6688	0.71	0.9635	0.831	0.4033	0.7113	0.691	0.1926	0.7385	0.7852	0.6	0.7852	0.8	0.7154	0.7045
3.4166	12.0	2784	16.1298	0.7232	0.9746	0.8545	0.601	0.7238	0.7877	0.1914	0.7526	0.787	0.7	0.787	0.8	0.7231	0.7233
2.9186	13.0	3016	16.4147	0.7121	0.964	0.8429	0.5022	0.713	0.7383	0.1904	0.7402	0.7782	0.7	0.7783	0.7889	0.7215	0.7027
3.3311	14.0	3248	16.6527	0.7206	0.9657	0.8435	0.6	0.7213	0.8017	0.1914	0.7473	0.7813	0.6	0.7812	0.8222	0.7306	0.7106
3.2214	15.0	3480	16.7827	0.7243	0.9657	0.8497	0.5005	0.7252	0.7971	0.1938	0.7527	0.7891	0.6	0.7892	0.8	0.7341	0.7146
3.1278	16.0	3712	16.7533	0.7325	0.9726	0.8536	0.5015	0.7333	0.7879	0.1948	0.7574	0.792	0.7	0.7921	0.7889	0.734	0.7311
2.9767	17.0	3944	16.8603	0.7211	0.9685	0.847	0.4016	0.7218	0.7772	0.1917	0.75	0.7829	0.6	0.783	0.7889	0.7261	0.7161
2.7972	18.0	4176	16.7250	0.7274	0.9705	0.855	0.6	0.7281	0.7801	0.1923	0.7538	0.7904	0.6	0.7905	0.8	0.7315	0.7232
2.8994	19.0	4408	16.7552	0.7276	0.9685	0.8523	0.6008	0.7284	0.8012	0.1928	0.7551	0.7911	0.7	0.791	0.8111	0.7315	0.7237
2.9083	20.0	4640	16.7638	0.7296	0.971	0.8524	0.5023	0.7304	0.8004	0.193	0.7555	0.7905	0.8	0.7904	0.8111	0.7313	0.728

Framework versions

Transformers 5.13.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
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: RfDetrForObjectDetection
Ревизия весов: 6a1b700