/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
d_fine · dense
Библиотека
transformers
Опубликована
28 мар 2025

dfine-medium-obj2coco

Поиск объектовИзображение → bounding_boxes3 профессии

Дообученная на COCO модель D-FINE обнаруживает и локализует объекты на изображениях для сценариев реального времени.

1 657скачиваний за 30 дней5лайковвеса обновлены5 мая 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

ustc-community/dfine-medium-obj2coco — модель обнаружения объектов на изображениях на основе архитектуры D-FINE, представленная сообществом USTC и реализованная для Transformers. Чекпойнт сначала обучен на Object365, затем дообучен на COCO; формат весов — Safetensors, лицензия — Apache-2.0.

Модель предназначена для обнаружения объектов и точной локализации рамками в сценариях реального времени. В README среди примеров применения названы автономное вождение, видеонаблюдение, робототехника и аналитика розничной торговли. В основе D-FINE лежат уточнение распределения регрессии рамок и самодистилляция для глобально оптимальной локализации; карточка также описывает обучение и оценку на COCO.

Сценарии применения

  • обнаружение объектов на изображениях с камер наблюдения
  • локализация объектов для систем автономного вождения
  • обнаружение объектов для задач робототехники
  • подсчёт и анализ товаров в розничной торговле

Ограничения

Оценка и обучение описаны для набора COCO; качество на иных наборах данных и в специфических условиях применения в карточке не подтверждено. README не приводит численных показателей скорости или точности именно этого чекпойнта.

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

D-FINE

Overview

The D-FINE model was proposed in D-FINE: Redefine Regression Task in DETRs as Fine-grained Distribution Refinement by Yansong Peng, Hebei Li, Peixi Wu, Yueyi Zhang, Xiaoyan Sun, Feng Wu

This model was contributed by VladOS95-cyber with the help of @qubvel-hf

This is the HF transformers implementation for D-FINE

_coco -> model trained on COCO

_obj365 -> model trained on Object365

_obj2coco -> model trained on Object365 and then finetuned on COCO

Performance

D-FINE, a powerful real-time object detector that achieves outstanding localization precision by redefining the bounding box regression task in DETR models. D-FINE comprises two key components: Fine-grained Distribution Refinement (FDR) and Global Optimal Localization Self-Distillation (GO-LSD).

COCO.png

How to use

import torch
import requests

from PIL import Image
from transformers import DFineForObjectDetection, AutoImageProcessor

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

image_processor = AutoImageProcessor.from_pretrained("ustc-community/dfine-medium-obj2coco")
model = DFineForObjectDetection.from_pretrained("ustc-community/dfine-medium-obj2coco")

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

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

results = image_processor.post_process_object_detection(outputs, target_sizes=torch.tensor([image.size[::-1]]), threshold=0.3)

for result in results:
    for score, label_id, box in zip(result["scores"], result["labels"], result["boxes"]):
        score, label = score.item(), label_id.item()
        box = [round(i, 2) for i in box.tolist()]
        print(f"{model.config.id2label[label]}: {score:.2f} {box}")

Training

D-FINE is trained on COCO (Lin et al. [2014]) train2017 and validated on COCO val2017 dataset. We report the standard AP metrics (averaged over uniformly sampled IoU thresholds ranging from 0.50 − 0.95 with a step size of 0.05), and APval5000 commonly used in real scenarios.

Applications

D-FINE is ideal for real-time object detection in diverse applications such as autonomous driving, surveillance systems, robotics, and retail analytics. Its enhanced flexibility and deployment-friendly design make it suitable for both edge devices and large-scale systems + ensures high accuracy and speed in dynamic, real-world environments.

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
DFineForObjectDetection
Ревизия весов
e828496

0 моделей