/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
owlv2-base-patch16-finetuned
Библиотека
zeromodels
Опубликована
29 июл 2026

owlv2-base-patch16-finetuned

Поиск объектов без дообученияИзображение, текст → bounding_boxes6 профессий

Конверсия OWLv2 для обнаружения объектов на изображениях по текстовым запросам с выдачей рамок.

19скачиваний за 30 дней0лайковвеса обновлены26 авг 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

zeromodels выпустила конверсию OWLv2-base-patch16-finetuned в формате Keras 3 для библиотеки zeromodels. Это модель обнаружения объектов с открытым словарём: при обработке изображения она использует текстовые запросы и возвращает найденные объекты и их рамки. Архитектура сохраняет двухбашенный каркас OWL-ViT и голову обнаружения по патчам; OWLv2 также применяет обучение на парах изображений и текста из интернета и использует отдельную оценку объектности для патчей. Реализация работает с TensorFlow, Torch и JAX.

Модель подходит для поиска объектов по произвольным текстовым описаниям, включая категории, не заданные фиксированным набором классов. Для обработки рекомендуется использовать соответствующий Processor и передавать исходные размеры изображения с учётом дополнения изображения до квадрата перед изменением размера: это влияет на постобработку координат рамок. Лицензия — Apache 2.0.

Сценарии применения

  • поиск объектов на изображении по текстовому описанию
  • обнаружение категорий объектов без фиксированного списка классов
  • автоматическая разметка изображений рамками объектов

Ограничения

Пороговые значения для детекции с открытым словарём часто ниже, чем у детекторов с фиксированными классами. При постобработке важно учитывать дополнение изображения до квадрата и передавать исходные размеры для корректного расчёта рамок.

Для каких профессий подходит6

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

See our collection for all versions of OWLv2.

Run OWLv2 with Keras 3: JAX, PyTorch, or TensorFlow

GitHub Docs Collection

zeromodels/owlv2-base-patch16-finetuned

Paper: Scaling Open-Vocabulary Object Detection (arXiv:2306.09683) · HF Papers

OWLv2 keeps OWL-ViT's dual-tower skeleton and per-patch detection head, and scales it with self-training on web image-text pairs. It adds an objectness head (a learned is-this-patch-an-object score) and pads images to a square before resizing, which matters for post-processing target sizes.

For more details on the model, please go to Google's original model card.

Pure-Keras 3 conversion of google/owlv2-base-patch16-finetuned for zeromodels. One implementation runs unmodified on TensorFlow / Torch / JAX.

This is an open-vocabulary object detection checkpoint (Owlv2Detect): pass free-text prompts at inference time.

✨ Quick start

import os
os.environ["KERAS_BACKEND"] = "torch"  # or "jax" / "tensorflow"

from PIL import Image
from zeromodels.models.owlv2 import (
    Owlv2Detect,
    Owlv2Processor,
    Owlv2ImageProcessor,
)

model = Owlv2Detect.from_weights("zeromodels/owlv2-base-patch16-finetuned")
processor = Owlv2Processor.from_weights("zeromodels/owlv2-base-patch16-finetuned")
image_processor = Owlv2ImageProcessor.from_weights("zeromodels/owlv2-base-patch16-finetuned")

image = Image.open("your_image.jpg").convert("RGB")
prompts = ["a photo of a mug", "a photo of a knife"]
inputs = processor(text=[prompts], images=image)
output = model(
    {
        "input_ids": inputs["input_ids"],
        "pixel_values": inputs["pixel_values"],
    }
)
results = image_processor.post_process_object_detection(
    output,
    threshold=0.1,
    target_sizes=[(image.height, image.width)],
    text_labels=[prompts],
)[0]
for score, name, box in zip(
    results["scores"], results["text_labels"], results["boxes"]
):
    print(f"{name}: {float(score):.3f} {box}")

Load any OWL-ViT / OWLv2 variant the same way with from_weights("zeromodels/<variant>") (use Owlv2Detect for this repo):

VariantHubFamily
owlvit-base-patch32zeromodels/owlvit-base-patch32OWL-ViT
owlvit-base-patch16zeromodels/owlvit-base-patch16OWL-ViT
owlvit-large-patch14zeromodels/owlvit-large-patch14OWL-ViT
owlv2-base-patch16zeromodels/owlv2-base-patch16OWLv2
owlv2-base-patch16-ensemblezeromodels/owlv2-base-patch16-ensembleOWLv2
owlv2-base-patch16-finetunedzeromodels/owlv2-base-patch16-finetunedOWLv2
owlv2-large-patch14zeromodels/owlv2-large-patch14OWLv2
owlv2-large-patch14-ensemblezeromodels/owlv2-large-patch14-ensembleOWLv2
owlv2-large-patch14-finetunedzeromodels/owlv2-large-patch14-finetunedOWLv2

Tips

  • Set KERAS_BACKEND before importing Keras / zeromodels.
  • Prefer Processor.from_weights(...) so image size matches the variant.
  • Open-vocab thresholds are often much lower than closed-set detectors (try 0.1).
  • OWLv2 pads to square before resize; pass the original (height, width) as target_sizes carefully (see the OWLv2 docs for the padding trap).
  • See OWLv2 docs and Loading Weights.
  • Community / upstream safetensors still work via the hf: prefix, e.g. Owlv2Detect.from_weights("hf:google/owlv2-base-patch16-finetuned").

Special Thanks

A huge thank you to the Google OWLv2 authors for creating and releasing these models.

License: Apache 2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · zeromodels

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
8b0bdca

0 моделей