/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
mm-grounding-dino · dense
Библиотека
transformers
Опубликована
30 мая 2025

mm_grounding_dino_tiny_o365v1_goldg

Поиск объектовИзображение → bounding_boxes3 профессии

Компактная модель обнаруживает объекты на изображениях по текстовым запросам без необходимости заранее фиксировать набор классов.

244скачиваний за 30 дней3лайкавеса обновлены23 июл 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

MM Grounding DINO Tiny — модель компьютерного зрения из семейства MM Grounding DINO, представленная авторами работы «An Open and Comprehensive Pipeline for Unified Object Grounding and Detection» и опубликованная сообществом OpenMMLab. Она предназначена для обнаружения объектов по текстовым запросам в режиме zero-shot: пользователь задаёт названия или описания объектов, а модель находит соответствующие области на изображении. Вариант Tiny использует backbone Swin-T и обучен на Objects365v1 и GOLD-G.

Модель улучшает контрастивную классификационную голову Grounding DINO и использует декодер без разделения параметров между слоями. В README приведены результаты на COCO и LVIS, включая zero-shot mAP 50,4 на COCO. Репозиторий содержит веса Safetensors для библиотеки Transformers. Лицензия — Apache-2.0.

Модель подходит для поиска объектов по свободно задаваемым текстовым категориям и построения систем визуального поиска или разметки. Её задача — обнаружение объектов на изображениях; поддержка видеовхода не заявлена. Результаты зависят от формулировки запроса и состава обучающих данных; README не описывает ограничения подробно.

Сценарии применения

  • поиск заданных объектов на изображениях по текстовому описанию
  • zero-shot разметка изображений новыми категориями объектов
  • поиск товаров или предметов по названию на фотографиях
  • создание визуального поиска по свободному запросу

Ограничения

Модель предназначена для обнаружения объектов на изображениях; поддержка видео не заявлена. Качество зависит от формулировки текстового запроса и обучающих данных Objects365v1 и GOLD-G.

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

MM Grounding DINO (tiny variant)

MM Grounding DINO model was proposed in An Open and Comprehensive Pipeline for Unified Object Grounding and Detection by Xiangyu Zhao, Yicheng Chen, Shilin Xu, Xiangtai Li, Xinjiang Wang, Yining Li, Haian Huang.

MM Grounding DINO improves upon the Grounding DINO by improving the contrastive class head and removing the parameter sharing in the decoder, improving zero-shot detection performance on both COCO (50.6(+2.2) AP) and LVIS (31.9(+11.8) val AP and 41.4(+12.6) minival AP).

You can find all the original MM Grounding DINO checkpoints under the MM Grounding DINO collection.

Intended uses

You can use the raw model for zero-shot object detection.

Here's how to use the model for zero-shot object detection:

import torch
from transformers import AutoModelForZeroShotObjectDetection, AutoProcessor
from transformers.image_utils import load_image


# Prepare processor and model
model_id = "rziga/mm_grounding_dino_tiny_o365v1_goldg"
device = "cuda" if torch.cuda.is_available() else "cpu"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForZeroShotObjectDetection.from_pretrained(model_id).to(device)

# Prepare inputs
image_url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = load_image(image_url)
text_labels = [["a cat", "a remote control"]]
inputs = processor(images=image, text=text_labels, return_tensors="pt").to(device)

# Run inference
with torch.no_grad():
    outputs = model(**inputs)

# Postprocess outputs
results = processor.post_process_grounded_object_detection(
    outputs,
    threshold=0.4,
    target_sizes=[(image.height, image.width)]
)

# Retrieve the first image result
result = results[0]
for box, score, labels in zip(result["boxes"], result["scores"], result["labels"]):
    box = [round(x, 2) for x in box.tolist()]
    print(f"Detected {labels} with confidence {round(score.item(), 3)} at location {box}")

Training Data

This model was trained on:

Evaluation results

BibTeX entry and citation info

@article{zhao2024open,
  title={An Open and Comprehensive Pipeline for Unified Object Grounding and Detection},
  author={Zhao, Xiangyu and Chen, Yicheng and Xu, Shilin and Li, Xiangtai and Wang, Xinjiang and Li, Yining and Huang, Haian},
  journal={arXiv preprint arXiv:2401.02361},
  year={2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · object-detection

Нельзя запустить

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

Класс архитектуры
MMGroundingDinoForObjectDetection
Ревизия весов
80b3081

0 моделей