Характеристики

Лицензия: Apache 2.0
Архитектура: rf_detr · dense
Базовая модель: rf-detr-medium
Библиотека: transformers
Опубликована: 20 июн 2026

Ссылки

Hugging Face

rf_detr_finetuned_mobile_ui

victorbarra

Поиск объектовИзображение → bounding_boxes4 профессии

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

13скачиваний за 30 дней0лайковвеса обновлены20 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

Модель victorbarra/rf_detr_finetuned_mobile_ui — дообученная версия Roboflow/rf-detr-medium для обнаружения объектов на изображениях. По названию и метрикам оценки она предназначена для мобильных пользовательских интерфейсов; среди категорий оценки упомянуты группы элементов, изображения, прямоугольники и текст. Архитектура RF-DETR Medium использует трансформер для локализации объектов и предсказания их категорий.

В README приведены метрики на оценочном наборе: mAP 0,2168 и mAP@50 0,3333. Набор данных обозначен как неизвестный, поэтому эти результаты не позволяют судить о качестве на конкретных приложениях или типах экранов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

поиск текста на скриншотах мобильных приложений
обнаружение прямоугольных областей и элементов интерфейса
локализация групп элементов на экране
разметка объектов на изображениях мобильного интерфейса

Ограничения

Датасет для дообучения не описан. На оценочном наборе mAP составляет 0,2168, поэтому качество следует проверять на целевых скриншотах.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей I.8Универсальные способностиИзображения и компьютерное зрениеAI помогает извлекать визуальные признаки, изменять изображения и создавать новые визуальные материалы.17 задач6 331модель I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

rf_detr_finetuned_mobile_ui

This model is a fine-tuned version of Roboflow/rf-detr-medium on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 11.2941
Map: 0.2168
Map 50: 0.3333
Map 75: 0.2202
Map Small: 0.1391
Map Medium: 0.221
Map Large: 0.2988
Mar 1: 0.0541
Mar 10: 0.3024
Mar 100: 0.5255
Mar Small: 0.3717
Mar Medium: 0.5325
Mar Large: 0.6828
Map Group: 0.1443
Mar 100 Group: 0.5592
Map Image: 0.2562
Mar 100 Image: 0.574
Map Rectangle: 0.2237
Mar 100 Rectangle: 0.4755
Map Text: 0.2428
Mar 100 Text: 0.4934

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: cosine
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Map	Map 50	Map 75	Map Small	Map Medium	Map Large	Mar 1	Mar 10	Mar 100	Mar Small	Mar Medium	Mar Large	Map Group	Mar 100 Group	Map Image	Mar 100 Image	Map Rectangle	Mar 100 Rectangle	Map Text	Mar 100 Text
13.1884	1.0	834	11.8293	0.12	0.2083	0.1168	0.0658	0.1201	0.1711	0.0424	0.2184	0.4053	0.2725	0.4063	0.5371	0.0976	0.4292	0.115	0.4454	0.1046	0.3205	0.1627	0.4263
10.6173	2.0	1668	11.4860	0.1974	0.3124	0.1987	0.1219	0.2041	0.2696	0.052	0.2881	0.5082	0.3476	0.5195	0.6644	0.1251	0.5347	0.2301	0.5594	0.2077	0.4596	0.2268	0.4792
9.9421	3.0	2502	11.2941	0.2168	0.3333	0.2202	0.1391	0.221	0.2988	0.0541	0.3024	0.5255	0.3717	0.5325	0.6828	0.1443	0.5592	0.2562	0.574	0.2237	0.4755	0.2428	0.4934

Framework versions

Transformers 5.12.1
Pytorch 2.8.0+cu128
Datasets 5.0.0
Tokenizers 0.22.2

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: 2f598a7