/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
rf_detr · dense
Базовая модель
rf-detr-medium
Библиотека
transformers
Опубликована
28 июн 2026

rf-detr-mobile-gui-detection

Поиск объектовИзображение → bounding_boxes5 профессий

Дообученная RF-DETR Medium модель для обнаружения и локализации элементов мобильного интерфейса на изображениях.

39скачиваний за 30 дней4лайкавеса обновлены28 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

rf-detr-mobile-gui-detection — модель обнаружения объектов на изображениях, разработанная на основе Roboflow/rf-detr-medium и предназначенная для локализации элементов мобильного графического интерфейса. Она использует архитектуру RF-DETR для детекции объектов; в карточке описаны визуальный трансформерный backbone в стиле DINOv2 with Registers, оконная схема внимания, многоуровневый проектор и декодер Deformable DETR.

Модель подходит для обнаружения и привязки элементов интерфейса на скриншотах мобильных приложений, например для поиска кнопок и других компонентов по их расположению. Карточка указывает английский язык; опубликованные веса представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Размер параметров и длина контекста не указаны в использованных материалах.

Сценарии применения

  • поиск кнопок на скриншотах мобильных приложений
  • локализация элементов мобильного интерфейса
  • обнаружение компонентов интерфейса для UI-автоматизации

Ограничения

Карточка не сообщает метрики качества или перечень классов элементов интерфейса; результаты могут зависеть от типа скриншотов и соответствия обучающим данным.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Metrics Loss Map

metrics_loss_map

Per Class Metrics

per_class_metrics

Quick Start with Transformers

pip install torch==2.8.0 --index-url https://download.pytorch.org/whl/cu128
pip install torchvision==0.23.0 transformers==5.9.0 accelerate gradio==6.19.0
import gradio as gr
import torch
from PIL import Image, ImageDraw

from transformers import AutoImageProcessor, RfDetrForObjectDetection

# Load model and processor
model_name = "prithivMLmods/rf-detr-mobile-gui-detection"

processor = AutoImageProcessor.from_pretrained(model_name)
model = RfDetrForObjectDetection.from_pretrained(model_name)

# Detection threshold
THRESHOLD = 0.35


def detect_gui(image):
    image = Image.fromarray(image).convert("RGB")

    inputs = processor(images=image, return_tensors="pt")

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

    target_sizes = torch.tensor([image.size[::-1]])
    results = processor.post_process_object_detection(
        outputs,
        target_sizes=target_sizes,
        threshold=THRESHOLD,
    )[0]

    draw = ImageDraw.Draw(image)

    detections = []

    for score, label, box in zip(
        results["scores"],
        results["labels"],
        results["boxes"],
    ):
        box = [round(x, 2) for x in box.tolist()]
        label_name = model.config.id2label[label.item()]
        confidence = round(score.item(), 3)

        # Draw bounding box
        draw.rectangle(box, outline="red", width=3)

        # Draw label
        draw.text(
            (box[0] + 4, max(0, box[1] - 16)),
            f"{label_name} {confidence:.2f}",
            fill="red",
        )

        detections.append(
            {
                "Label": label_name,
                "Confidence": confidence,
                "Bounding Box": box,
            }
        )

    return image, detections


demo = gr.Interface(
    fn=detect_gui,
    inputs=gr.Image(type="numpy", label="Upload Mobile UI Screenshot"),
    outputs=[
        gr.Image(type="pil", label="Detected GUI Elements"),
        gr.JSON(label="Detections"),
    ],
    title="RF-DETR Mobile GUI Detection",
    description="Upload a mobile UI screenshot to detect GUI elements using RF-DETR.",
)

if __name__ == "__main__":
    demo.launch()

e.g., demo screenshot

screencapture-c959e285e9de4018e9-gradio-live-2026-06-28-21_22_41

Acknowledgements

  • roboflow/rf-detr-medium: rf-detr is an end-to-end object detection model that combines ideas from lw-detr and deformable detr: a dinov2-with-registers-style vit backbone (with an rf-detr windowing pattern for efficient attention), a multi-scale projector between the encoder and decoder, and a multi-scale deformable detr decoder for fast convergence and strong accuracy-latency tradeoffs.

  • mobile ui design detection[dataset] by mrtoy: this dataset is designed for object detection tasks focused on detecting elements in mobile ui designs. the target objects include text, images, and groups. the dataset contains mobile ui images with object detection bounding boxes, class labels, and localization information.

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
9e8a97c

0 моделей