Lizenzierung

Eigener Code von LibreYOLO

Die Bibliothek steht unter MIT. Dies umfasst die Python-API, die CLI, Trainer, Validatoren und Exporter, die Datensatz-Loader sowie die Konvertierungsskripte unter weights/. Du darfst sie in einem kommerziellen oder Closed-Source-Produkt verwenden. Bewahre bei jeder weitergegebenen Kopie die Copyright-Zeile und den Lizenztext auf. Weitere Pflichten bestehen nicht.

Die Genehmigung endet beim Code. Die Datei LICENSE formuliert dies deutlich:

Diese Lizenzen unterscheiden sich und sind nicht alle freizügig: Einige veröffentlichte Gewichte sind nicht kommerziell nutzbar oder anderweitig eingeschränkt. Diese MIT-Lizenz gilt nicht für sie. Mit der Wahl eines Modells wählst du auch seine Lizenz.

Upstream-Code pro Familie

Die meisten Familien sind Portierungen veröffentlichter Forschung. Mehrere binden Upstream-Quellcode direkt ein. Eine eingebundene Datei behält ihren ursprünglichen Copyright-Header und ihre ursprüngliche Lizenz. MIT überschreibt sie nicht, und LibreYOLO lizenziert die Arbeit anderer nicht neu. Apache-2.0 und BSD-3-Clause treten am häufigsten auf.

Apache-2.0 gilt für die DETR-Linie und einen großen Teil der Transformer-Arbeit: DETR von Meta AI (FAIR), Deformable DETR von SenseTime, LW-DETR von Baidu, OV-DEIM von Leilei Wang und Mitautoren, die von LibreYOLO portierte SegFormer-Implementierung aus Hugging Face Transformers, PP-OCRv5 von den PaddlePaddle-Autoren, SwinIR vom Computer Vision Lab der ETH Zürich und Depth Anything 3 von ByteDance Seed. Die Lizenz gilt außerdem für die von timm von Ross Wightman und den timm-Mitwirkenden abgeleiteten Klassifikatoren, darunter ResNet, DeiT, EfficientNetV2, MobileNetV4 und Swin. Deren Modulnamen entsprechen timm, damit dessen ImageNet-Tensoren unverändert geladen werden können.

BSD-3-Clause gilt für alle aus torchvision abgeleiteten Familien: Faster R-CNN, Mask R-CNN, FCOS, RetinaNet, SSD300, AlexNet, VGG, FCN und DeepLabv3.

MIT gilt für eine kleinere Gruppe, darunter NAFNet von Megvii, CenterNet von Xingyi Zhou und YOLOv7 in der Neuveröffentlichung seiner Autoren Kin-Yiu Wong und Hao-Tang Tsui am MultimediaTechLab. Die Familien YOLOv1 bis YOLOv4 bilden Architekturen des Darknet-Projekts von Joseph Redmon und bei YOLOv4 von Alexey Bochkovskiy nach. Darknet ist gemeinfrei, weshalb daraus keine Pflichten entstehen.

Ein gebündelter Teilbaum steht nicht unter einer Open-Source-Lizenz. Die Familie DEIMv2 enthält DINOv3-Backbone-Code von Meta Platforms unter dem DINOv3 License Agreement, einer benutzerdefinierten Nicht-OSI-Lizenz. Bei der Weitergabe dieses Codes muss eine Kopie der Vereinbarung enthalten sein. Die Vereinbarung verbietet die Nutzung für ITAR-pflichtige Aktivitäten, militärische oder kriegerische Zwecke, die Nuklearindustrie, Spionage und Waffenentwicklung. Diese Bedingungen gelten ausschließlich für diesen Teilbaum.

Zwei Dateien im Repository enthalten die vollständige Übersicht. NOTICE führt jeden gebündelten Drittanbieter-Teilbaum mit Pfad, Lizenzdatei und Upstream-Quelle auf. THIRD_PARTY_NOTICES.txt listet die Upstream-Projekte, von denen LibreYOLO abgeleitet ist, und gibt jeden Lizenztext vollständig wieder.

Gewichte pro Checkpoint

Das Paket selbst enthält keine vortrainierte Gewichtsdatei. Veröffentlichte Checkpoints liegen auf Hugging Face in der LibreYOLO-Organisation. Jedes Repository enthält eine eigene LICENSE und Namensnennung entsprechend dem Projekt, aus dem die Gewichte stammen.

Dieses Repository ist die maßgebliche Quelle für die Bedingungen. Nicht diese Seite, nicht die Modellseite und nicht die Zusammenfassung im Quellbaum. Unter Checkpoints und Gewichte erfährst du, wie Dateien benannt sind und von wo sie heruntergeladen werden.

Lizenzen unterscheiden sich zwischen Familien und auch zwischen Dateien innerhalb einer Familie. Zwei Beispiele für den zweiten Fall:

• Die COCO-Checkpoints von YOLO9 stehen unter MIT. LibreYOLO9P2s-visdrone.pt, trainiert auf VisDrone2019-DET, steht unter CC BY-NC-SA 3.0 und darf nicht kommerziell genutzt werden.
• Die Erkennungs-Checkpoints von RF-DETR stehen unter Apache-2.0. Die Checkpoints für orientierte Boxen stehen unter CC BY 4.0, weil sie mit einem unter CC BY 4.0 veröffentlichten Datensatz von Roboflow Universe nachtrainiert wurden und die Gewichte dessen Namensnennungspflicht übernehmen.

Zwischen Familien ist die Spanne noch größer. Mehrere veröffentlichte Checkpoints dürfen nicht in einem kommerziellen Produkt eingesetzt werden:

• SegFormer zeigt die Trennung der beiden Ebenen besonders deutlich. Die Implementierung ist eine Apache-2.0-Portierung des Codes von Hugging Face Transformers. Die veröffentlichten ADE20K-Checkpoints wurden aus der Veröffentlichung von NVIDIA unter der NVIDIA Source Code License konvertiert. Diese erlaubt die Weitergabe, beschränkt die Nutzung jedoch auf nichtkommerzielle Forschung oder Evaluierung und überträgt diese Einschränkung auf abgeleitete Werke. Diese Checkpoints fallen nicht unter die freizügigen Bedingungen von LibreYOLO.
• OV-DEIM-Checkpoints stehen nach Bestätigung des Upstream-Autors unter CC BY-NC 4.0. Jede Vorhersage lädt außerdem Apples MobileCLIP-B(LT)-Text-Tower, dessen Lizenz die Nutzung auf Forschung beschränkt. Diese Bedingung ist strenger als die eigene Lizenz des Checkpoints.
• Der Code von SenseNova-Vision steht unter Apache-2.0, seine Gewichte unter CC BY-NC 4.0. Der Loader zeigt vor jedem automatischen Download den Hinweis auf die nichtkommerzielle Nutzung an.

Einige Familien besitzen überhaupt keinen von LibreYOLO gehosteten Checkpoint. Ihre Seiten weisen in der Zeile zu den Gewichten darauf hin. SAM 3 ist auf Hugging Face unter Metas benutzerdefinierter SAM License zugangsbeschränkt und wird direkt von Meta heruntergeladen. Release-Artefakte von MiDaS werden von den offiziellen URLs abgerufen und per Hash überprüft, statt erneut gehostet zu werden. Dome-DETR wird direkt im Upstream-Projekt verlinkt, weil seine Modellkarte in den Metadaten keine Lizenz angibt, im Text zugleich Apache-2.0 beansprucht und die Nutzung auf akademische Forschung beschränkt. Diese Angaben widersprechen sich. Die Architekturen TEED und DexiNed stehen unter MIT, aber die veröffentlichten Checkpoints der Autoren wurden auf BIPED trainiert, dessen Datensatzbedingungen die kommerzielle Nutzung ausschließen. LibreYOLO bündelt sie daher weder noch lädt es sie automatisch herunter.

Mehrere torchvision-Checkpoints enthalten keine eigene Lizenzdatei. LibreYOLO spiegelt sie unter der Lizenz des veröffentlichenden Projekts. Jede Modellkarte weist darauf hin, dass diese Grundlage angenommen und nicht pro Checkpoint ausdrücklich erteilt wird. Außerdem wiederholt sie die Warnung von torchvision, dass Bedingungen für vortrainierte Modelle aus den Trainingsdaten entstehen können.

Bedingungen für ein bestimmtes Modell finden

Die Modellseite enthält im Kopfbereich eine Zeile Lizenzen in der Form Code X, Gewichte Y, die auf den Lizenzierungsabschnitt der Seite verweist. Dieser Abschnitt führt die ursprüngliche Arbeit und ihre Autoren, die Upstream-Lizenz, die Upstream-Quelle, die LibreYOLO-Code-Lizenz, die Gewichte und eine Interpretation der erlaubten Nutzungen auf. Die Checkpoint-Tabelle derselben Seite besitzt eine Spalte Gewichtslizenz mit einer Zeile pro veröffentlichter Datei. Gemischte Bedingungen innerhalb einer Familie werden daher dateiweise dargestellt.

Alle Angaben werden aus denselben Daten gerendert, gegen die die Bibliothek geprüft wird. Deshalb wiederholt diese Seite sie nicht als Tabelle. Eine von Hand gepflegte Lizenzmatrix wäre bereits innerhalb eines Releases falsch, und Fehler wären hier kostspielig.

Im Quellbaum entsprechen dem NOTICE für gebündelten Code, THIRD_PARTY_NOTICES.txt für Upstream-Projekte und ihre Lizenztexte sowie weights/LICENSE_NOTICE.txt für eine familienweise Zusammenfassung der veröffentlichten Checkpoints.

Prüfe anschließend das Hugging-Face-Repository der konkreten Datei, die du herunterladen möchtest. Es ist maßgeblich und kann sich ändern, ohne dass sich eine Dokumentationsseite ändert.

Kommerzielle Nutzung

Der Code ist selten das Problem. MIT, Apache-2.0 und BSD-3-Clause erlauben kommerzielle und Closed-Source-Nutzung. Alle verlangen, dass Lizenztext und Namensnennungshinweise mit weitergegebenen Kopien erhalten bleiben. Apache-2.0 gewährt zusätzlich eine Patentlizenz. Keine davon stellt Bedingungen an deinen eigenen Anwendungscode.

Checkpoints sind häufig das Hindernis für Produkte. Ein nichtkommerzieller Checkpoint bleibt unabhängig von der freizügigen Lizenz des umgebenden Codes nichtkommerziell. Die Konvertierung der Datei ändert ihre anwendbaren Bedingungen nicht, wie weights/LICENSE_NOTICE.txt ausdrücklich festhält. Ein aus einem eingeschränkten Checkpoint erzeugtes ONNX- oder TensorRT-Artefakt übernimmt die Einschränkung.

Wenn eine Lizenz ihre Einschränkung auf abgeleitete Werke überträgt, wie die NVIDIA Source Code License, umgeht auch Fine-Tuning sie nicht. Du kannst dagegen dieselbe Architektur von Grund auf neu mit Daten trainieren, zu deren Nutzung du berechtigt bist. Der Code ist freizügig lizenziert. Ein selbst trainiertes Modell gehört daher dir, und die Bedingungen des vortrainierten Checkpoints gelten nie dafür. Die SegFormer-Seite erläutert dies für ihre Gewichte. Lies für jede Familie, die du ausliefern möchtest, die Zeile zur Interpretation.

Kläre die Lizenzfrage bei der Modellauswahl und nicht erst bei der Auslieferung. Lies die Bedingungen der tatsächlich heruntergeladenen Datei, weil neben einem freizügigen Checkpoint derselben Familie ein eingeschränkter liegen kann.

Keine Rechtsberatung

Diese Seite beschreibt die beteiligten Lizenzen. Sie ist eine Beschreibung und keine Rechtsberatung und begründet keine Gewährleistung. Wenn die Antwort kommerziell relevant ist, lies die Lizenzen selbst und hole eigenen Rechtsrat ein.