Dome-DETR

Instalasi

Dome-DETR tidak memerlukan extra opsional. Semua yang diimpornya tersedia dalam instalasi dasar.

pip install libreyolo

Prediksi

Tidak ada yang dapat diunduh otomatis. LibreYOLO tidak menghosting bobot ini, sehingga alurnya adalah mengambil checkpoint upstream, mengonversinya satu kali, lalu memuat berkas hasil konversi berdasarkan path. Lisensi menjelaskan alasannya.

# LibreYOLO tidak menghosting bobot Dome-DETR, sehingga checkpoint# diambil dari repository upstream dan dikonversi satu kali.hf download RicePasteM/Dome-DETR --include 'best_ckpts_dome_2026/*' \  --local-dir dome-ckpts python weights/convert_domedetr_weights.py \  dome-ckpts/best_ckpts_dome_2026/dome-s-visdrone_converted.pth \  LibreDOMEDETRs-visdrone.pt --size s --variant visdrone

from libreyolo import LibreYOLO # Gunakan path lokal, bukan nama polos. Tidak ada yang diunduh untuk family ini.model = LibreYOLO("LibreDOMEDETRs-visdrone.pt")result = model("drone-frame.jpg", save=True) for box in result.boxes:    print(result.names[int(box.cls)], box.conf, box.xyxy)

libreyolo predict model=LibreDOMEDETRs-visdrone.pt source=drone-frame.jpg save=True

from libreyolo import LibreYOLO # Tidak ada checkpoint COCO, sehingga kelas berasal dari dataset yang dipakai# untuk melatih bobot dan dibaca dari metadata checkpoint.aitod = LibreYOLO("LibreDOMEDETRs-aitod.pt")print(aitod.model.names)     # 9 kelas AI-TOD-V2 visdrone = LibreYOLO("LibreDOMEDETRs-visdrone.pt")print(visdrone.model.names)  # 12 kelas VisDrone

Objek Results yang dikembalikan sama seperti yang dikembalikan setiap family, sehingga mengganti detector hanya memerlukan perubahan satu baris. conf dan max_det memfilter pemilihan query. iou diterima demi paritas API, tetapi tidak berpengaruh karena decoder adalah set predictor tanpa langkah NMS. Lihat prediksi untuk sumber, streaming, dan penanganan hasil.

Dua kemampuan dinonaktifkan untuk family ini. Capture CUDA graph dinonaktifkan karena jumlah query PAQI bergantung pada data, sehingga bentuk forward pass berubah dari satu gambar ke gambar lain. Perubahan seperti ini tidak dapat ditampung oleh graph capture. Augmentasi waktu pengujian berjalan pada satu ukuran persegi tetap, sehingga permintaan TTA multi-scale tidak berpengaruh.

Varian

Ada tiga ukuran, s, m, dan l, semuanya pada 800 kali 800. Ukuran memilih backbone, sedangkan dataset asal bobot memilih kedalaman decoder dan anggaran query, sehingga kode ukuran saja tidak mengidentifikasi sebuah graph. Bobot AI-TOD-V2 memilih antara 300 dan 1500 query per gambar, bobot VisDrone antara 250 dan 500, dan model large menjalankan empat lapisan decoder pada AI-TOD-V2 dibandingkan dengan enam pada VisDrone.

Dome-DETR adalah D-FINE dengan tiga tambahan. DeFE memprediksi peta kepadatan. MWAS menggunakan peta tersebut untuk membatasi attention encoder pada window yang benar-benar memuat objek, alih-alih melakukan attention di semua tempat. PAQI menentukan ukuran set query dari kepadatan yang sama, bukan mendekode 300 query tetap. Peningkatan terpusat pada objek yang paling kecil dan menyempit saat ukurannya bertambah. Ablation upstream sendiri mengubah AP pada objek yang sangat kecil dari 14.0 menjadi 17.8, sedangkan AP pada objek sedang hanya berubah dari 45.4 menjadi 46.4. Perlakukan model ini sebagai pendamping D-FINE untuk gambar udara, drone, dan remote sensing, bukan sebagai penggantinya.

LibreYOLO tidak memublikasikan baris benchmark untuk family ini karena tidak ada checkpoint yang dipublikasikan untuk diukur.

Pelatihan

Dome-DETR dapat dilatih. Pelatihan menjalankan objective upstream secara penuh: loss D-FINE ditambah supervisi kepadatan dan jumlah DeFE, dengan query padding yang dikeluarkan dari term klasifikasi serta mask attention denoising per gambar agar padding dari satu gambar tidak bocor ke gambar lain.

from libreyolo import LibreYOLO model = LibreYOLO("LibreDOMEDETRs-visdrone.pt")model.train(data="my-dataset.yaml", epochs=160, imgsz=800, batch=4, lr0=2e-4)

libreyolo train model=LibreDOMEDETRs-visdrone.pt data=my-dataset.yaml \  epochs=160 imgsz=800 batch=4 lr0=2e-4

libreyolo train model=LibreDOMEDETRs-visdrone.pt data=my-dataset.yaml \  epochs=160 device=0,1 batch=4

Konfigurasi mewarisi resep D-FINE dan mengubah hal yang diperlukan MWAS. imgsz adalah 800, lr0 adalah 2e-4, grup parameter backbone diskalakan dengan backbone_lr_mult=0.1, dan multi_scale dipaksa nonaktif karena window MWAS mengharuskan input tetap habis dibagi stride 8. Nilai default batch adalah 4, bukan 16 seperti D-FINE. PAQI mengisi setiap batch hingga selebar anggota terlebarnya, sehingga penggunaan memori mengikuti gambar tersibuk dalam batch, bukan rata-ratanya.

Ada satu batasan akurasi yang perlu dinyatakan dengan jelas. Upstream melatih selama 160 epoch pada MultiStepLR(milestones=[80, 120], gamma=0.8), sedangkan nilai default ini menjalankan schedule flat-cosine D-FINE selama 160 epoch yang sama. Schedule tersebut belum direproduksi di sini, begitu pula angka AP dari makalah. Karena itu, baca angka tersebut sebagai hasil penulis upstream, bukan janji bahwa resep ini akan mencapainya. Gunakan schedule upstream jika tujuannya adalah mencocokkan makalah.

Lihat pelatihan untuk dataset, augmentasi, multi-GPU, dan logger.

Validasi

val() mengembalikan dictionary yang menggunakan nama metrik sebagai key dan mencetak hasil per kelas saat verbose dibiarkan aktif.

from libreyolo import LibreYOLO model = LibreYOLO("LibreDOMEDETRs-visdrone.pt")metrics = model.val(data="my-dataset.yaml") print(metrics["metrics/mAP50-95"])print(metrics["metrics/mAP50"])

libreyolo val model=LibreDOMEDETRs-visdrone.pt data=my-dataset.yaml

Validasi berjalan terhadap dataset Anda sendiri dalam format yang digunakan saat pelatihan. Gate validasi COCO milik library tidak berlaku di sini karena tidak ada checkpoint COCO untuk family ini yang dapat diukur terhadapnya.

Ekspor

Ekspor tidak didukung untuk format apa pun, dan permintaan ekspor akan memunculkan error alih-alih menghasilkan berkas.

Penyebabnya adalah PAQI. Komponen ini menentukan jumlah query per gambar dari proposal yang difilter berdasarkan kepadatan dan loop suppression adaptif kepadatan yang greedy, sehingga panjang output decoder menjadi properti input, bukan graph. Tracing memasukkan jumlah apa pun yang kebetulan dihasilkan gambar tracing, sehingga menciptakan artefak yang diam-diam mengembalikan hasil salah untuk setiap gambar lain. Formulasi statis harus menguraikan suppression itu untuk seluruh 250 hingga 1500 kandidat. Mengubahnya menjadi top-k tetap justru akan menghapus recall objek sangat kecil yang menjadi tujuan family ini. Jika memerlukan detection transformer yang dapat diekspor, gunakan D-FINE.

Checkpoint

Tidak ada yang dapat dicantumkan. LibreYOLO tidak memublikasikan bobot Dome-DETR, dan nama dengan bentuk LibreDOMEDETR<size>-<dataset>.pt tidak akan mengarah ke unduhan.

Upstream memublikasikan enam checkpoint, yaitu s, m, dan l untuk masing-masing dari dua dataset: AI-TOD-V2 dengan 9 kelas dan VisDrone dengan 12 kelas. Tidak ada checkpoint COCO, sehingga nama berkas kanonis selalu memuat akhiran dataset, dan nama kelas disimpan dalam metadata checkpoint, bukan berasal dari konstanta family. Meminta LibreDOMEDETRs.pt tanpa akhiran langsung memunculkan pesan yang menyebutkan dua nama berkas sebenarnya dan perintah konversinya, alih-alih mencoba unduhan yang akan menghasilkan 404.

weights/convert_domedetr_weights.py melakukan konversi. Skrip ini membangun ulang graph LibreYOLO, memuat tensor upstream ke dalamnya, dan menolak menulis apa pun jika satu key saja hilang, tidak diharapkan, atau memiliki bentuk yang salah. Dengan demikian, berkas hasil konversi merupakan kecocokan persis atau tidak dibuat sama sekali. Arahkan skrip ke .pth upstream serta teruskan ukuran dan varian:

python weights/convert_domedetr_weights.py \
    dome-ckpts/best_ckpts_dome_2026/aitod-s-best.pth \
    LibreDOMEDETRs-aitod.pt --size s --variant aitod

Untuk kesetiaan numerik, weights/parity_domedetr.py membandingkan port ini dengan implementasi upstream pada keenam checkpoint dan melaporkan max_abs_diff == 0.0 untuk pred_logits maupun pred_boxes, setelah lebih dulu memeriksa mask window MWAS bit demi bit, kemudian secara terpisah membandingkan setiap term loss dengan criterion upstream. Perjelas cakupannya: ini adalah skrip manual yang memerlukan checkout upstream dan checkpoint yang dipublikasikan tersedia di disk, lalu dijalankan secara manual. Skrip ini bukan bagian dari continuous integration dan tidak ada job CI yang mereproduksinya.

Lisensi

Sitasi

Dome-DETR dipublikasikan pada ACM Multimedia 2025 dengan judul "Dome-DETR: DETR with Density-Oriented Feature-Query Manipulation for Efficient Tiny Object Detection". Preprint tersedia di arxiv.org/abs/2505.05741. Penulis tidak memublikasikan blok BibTeX dalam repository mereka, sehingga tidak ada blok yang direproduksi di sini alih-alih dirangkai secara manual.