/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
rf_detr · dense
Библиотека
transformers
Опубликована
26 сен 2025

rf-detr-base

Поиск объектовИзображение → bounding_boxes3 профессии

RF-DETR Base — трансформерная модель реального времени для обнаружения и локализации объектов на изображениях в категориях COCO.

171скачиваний за 30 дней1лайквеса обновлены14 апр 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 Base — модель для обнаружения объектов в изображениях, разработанная авторами семейства RF-DETR и добавленная в Transformers участником stevenbucaille. Это трансформерный детектор реального времени: в основе лежит визуальный ViT-бэкбон в стиле DINOv2 with registers с чередованием оконного и полноформатного внимания, модуль объединения признаков нескольких масштабов и декодер Deformable DETR с запросами объектов. Архитектура рассчитана на баланс точности и скорости; семейство RF-DETR использует поиск архитектуры по практическим параметрам точности и задержки.

Модель обучена для обнаружения объектов на COCO 2017 и работает с 80 категориями этой разметки. Её можно применять для локализации и классификации объектов на изображениях. Репозиторий использует Transformers и формат safetensors. Лицензия — Apache-2.0. В README не приведены сведения о размере модели и длине контекста.

Сценарии применения

  • обнаружение объектов на фотографиях
  • локализация объектов на изображениях
  • подсчёт объектов по категориям COCO
  • анализ изображений в системах компьютерного зрения

Ограничения

Обучение ориентировано на 80 категорий COCO 2017, поэтому пригодность для других классов объектов зависит от дополнительного обучения или адаптации. Размер модели и показатели точности и скорости для этого чекпойнта в предоставленных данных не приведены.

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

RF-DETR (Base)

RF-DETR is a real-time detection transformer family introduced in RF-DETR: Neural Architecture Search for Real-Time Detection Transformers by Robinson et al. and integrated in 🤗 Transformers via PR #36895. Disclaimer: This model was originally contributed by stevenbucaille in 🤗 transformers.

Model description

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 encoder and decoder, and a multi-scale deformable DETR decoder for fast convergence and strong accuracy–latency tradeoffs.

Key Architectural Details:

  • Backbone: DINOv2-with-registers style ViT with RF-DETR windowed / full attention alternation (instead of a purely convolutional encoder).
  • Multi-scale fusion: RF-DETR multi-scale projector (C2f-style blocks in the LW-DETR lineage) to aggregate multi-level backbone features before the decoder.
  • Decoder: Deformable DETR-style decoder with multi-scale deformable cross-attention; depth and input resolution vary by checkpoint (NAS frontier).
  • Queries: DETR-style object queries with bipartite matching and auxiliary decoder losses for training stability.

Training Details:

  • Detection losses: classification plus bounding-box L1 and GIoU, with auxiliary losses on intermediate decoder layers.
  • Group DETR: parallel decoder copies during training for faster convergence (same high-level idea as LW-DETR's Group DETR).
  • NAS (family-level): the RF-DETR paper uses weight-sharing neural architecture search over practical accuracy–latency knobs after adapting a shared backbone on the target dataset, so many checkpoints correspond to different subnets without full independent retrains for every point on the frontier.

How to use

You can use the raw model for object detection. See the model hub to look for all available RF-DETR models.

Here is how to use this model:

from transformers import AutoImageProcessor, RfDetrForObjectDetection
import torch
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

processor = AutoImageProcessor.from_pretrained("stevenbucaille/rf-detr-base")
model = RfDetrForObjectDetection.from_pretrained("stevenbucaille/rf-detr-base")

inputs = processor(images=image, return_tensors="pt")
outputs = model(**inputs)

# convert outputs (bounding boxes and class logits) to COCO API
# let's only keep detections with score > 0.35
target_sizes = torch.tensor([image.size[::-1]])
results = processor.post_process_object_detection(outputs, target_sizes=target_sizes, threshold=0.35)[0]

for score, label, box in list(zip(results["scores"], results["labels"], results["boxes"]))[:8]:
    box = [round(i, 2) for i in box.tolist()]
    print(
            f"Detected {model.config.id2label[label.item()]} with confidence "
            f"{round(score.item(), 3)} at location {box}"
    )

This should output:

Detected cat with confidence 0.983 at location [7.5, 54.58, 318.47, 472.12]
Detected remote with confidence 0.976 at location [40.73, 72.61, 175.93, 117.58]
Detected cat with confidence 0.978 at location [342.97, 23.92, 639.33, 371.78]
Detected remote with confidence 0.864 at location [333.54, 76.98, 370.36, 187.34]
Detected couch with confidence 0.62 at location [0.82, 1.55, 640.33, 474.64]
Detected couch with confidence 0.165 at location [1.43, 0.44, 639.87, 194.17]
Detected couch with confidence 0.166 at location [1.05, 0.83, 638.5, 474.54]
Detected couch with confidence 0.19 at location [2.07, 2.02, 493.97, 352.97]

Training data

These checkpoints are trained on the standard COCO 2017 object detection dataset label space (80 categories) as reflected in config.id2label.

BibTeX entry and citation info

@misc{robinson2026rfdetrneuralarchitecturesearch,
      title={RF-DETR: Neural Architecture Search for Real-Time Detection Transformers},
      author={Isaac Robinson and Peter Robicheaux and Matvei Popov and Deva Ramanan and Neehar Peri},
      year={2026},
      eprint={2511.09554},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2511.09554},
}

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
dfb8369

0 моделей