/ Модель
Каталог

Характеристики

Размер весов
129 МБ
Лицензия
Apache 2.0
Архитектура
rf-detr · dense
Библиотека
mlx
Опубликована
30 июн 2026

Ссылки

Hugging Face

rfdetr-small-mlx-fp32

mnmly
Поиск объектовИзображение → bounding_boxes3 профессии

Конверсия RF-DETR Small в формат MLX для обнаружения объектов 90 классов COCO на устройствах Apple Silicon.

20скачиваний за 30 дней0лайковвеса обновлены30 июн 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

mnmly/rfdetr-small-mlx-fp32 — конвертированная в формат MLX версия модели RF-DETR Small от Roboflow для обнаружения объектов на изображениях. Она рассчитана на запуск через mlx-swift-rf-detr на устройствах Apple Silicon.

Модель использует backbone DINOv2 Windowed Small с размером скрытого представления 256, разрешение обработки 512 пикселей, три слоя декодера и 300 запросов. Она обнаруживает объекты 90 классов COCO и выдаёт рамки и классы объектов. Веса сохранены в формате safetensors с точностью fp32; репозиторий включает конфигурацию и настройки предобработки.

Это конверсия исходного чекпойнта PyTorch roboflow/rf-detr, а не дообучение. Репозиторий распространяется по лицензии Apache-2.0. Модель предназначена для инференса через указанную Swift-библиотеку; README не приводит сравнительных оценок качества.

Сценарии применения

  • обнаружение объектов COCO на фотографиях
  • поиск и классификация объектов с выдачей рамок
  • локальный инференс детектора на Mac с Apple Silicon

Ограничения

Модель ориентирована на 90 классов COCO и обработку изображений с разрешением 512 пикселей. README не приводит метрик качества и указывает использование через mlx-swift-rf-detr на Apple Silicon.

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 938моделейIV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934моделиII.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

RF-DETR Small — MLX, fp32

MLX-format conversion of Roboflow's RF-DETR Small object-detection model, for use with mlx-swift-rf-detr on Apple Silicon.

  • Upstream: roboflow/rf-detr (Apache-2.0), checkpoint rf-detr-small.pth
  • Task: object detection — COCO, 90 classes
  • Resolution: 512 · decoder layers: 3 · queries: 300 · backbone: dinov2_windowed_small (hidden 256)
  • Precision: fp32
  • Files: config.json + preprocessor_config.json + model.safetensors

Conversion

Converted from the upstream PyTorch checkpoint with Scripts/convert_detection.py small. Config values are read from the upstream RFDETRSmallConfig; weights keep their model. prefix and NCHW conv layout (the Swift loader transposes conv weights to NHWC at load).

Usage (Swift)

import MLXRFDETR

let dir = URL(fileURLWithPath: "rfdetr-small-mlx-fp32")   // this repo's downloaded files
let predictor = try MLXRFDETR.fromPretrained(dir, scoreThreshold: 0.3, nmsThreshold: 0.5)
let result = try predictor.predict(url: URL(fileURLWithPath: "image.jpg"))

License

Apache 2.0 — see LICENSE. Model architecture and weights © Roboflow, Inc. This repository redistributes a format-converted copy of the upstream Apache-2.0 weights; no weights were retrained or modified beyond the PyTorch→MLX serialization.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
6159087

0 моделей

    Создать бенчмарк