LibreYOLOドキュメント

コンピュータビジョン向けの1つのPython APIで、検出、セグメンテーション、姿勢推定、深度推定、OCRなどの学習、検証、エクスポートを行えます。コードはMITライセンスなので、作成したものは自分のものとして使えます。

インストール

pip install libreyolo

クイックスタートモデルを見るタスクを見る

モデル: 現行のフラッグシップから歴史的な検出器まで、1つのファクトリで扱える86ファミリー
タスク: 検出から視線推定、人間メッシュ復元まで17種類
重み: ここに掲載するファミリー向けに公開された244個のチェックポイント。初回使用時にhuggingface.co/LibreYOLOからダウンロード
エクスポート: ONNX、TensorRT、CoreML、TFLite、Core AIを含む12形式
ライセンス: コードはMIT。重みにはアップストリームのライセンスが適用され、チェックポイントごとに記載

何をしますか。

すべてのタスク

All tasks
物体検出: ボックスとクラス。デフォルトのタスクであり、ほとんどのファミリーが対応。
インスタンスセグメンテーション: 物体ごとのマスク。検出1件につき1つのマスク。
セマンティックセグメンテーション: 物体を区別せず、すべてのピクセルにクラスを割り当て。
パノプティックセグメンテーション: セマンティックセグメンテーションとインスタンスセグメンテーションを1つの出力に統合。
姿勢推定: 物体ごとのキーポイント。トップダウンまたはボトムアップ。
画像分類: 画像ごとに1つのラベル。CLIPとSigLIP2によるゼロショットにも対応。
回転物体検出: 航空画像や文書画像向けの回転ボックス。
点検出: ボックスではなく重心。計数と超小型モデル。
深度推定: 1枚の画像からピクセル単位の深度を推定。
エッジ検出
サーフェス法線
画像復元: ノイズ除去、ぼけ除去、アップスケーリング。
背景除去: 切り抜き用のアルファマット。
OCR: 1回の処理でテキストを検出・認識。
顔認識: 顔の埋め込みベクトルと人物ギャラリー。
埋め込みベクトル
視線推定: 人物が見ている方向。
身体メッシュ
物体追跡: 任意の検出器を使い、動画フレーム間で同一性を追跡。
オープンボキャブラリ検出: 学習なしで、実行時に指定したクラスを検出。
プロンプト可能セグメンテーション: SAMなどを使い、指定したものを何でもセグメンテーション。

どのモデルを選びますか。

すべてのモデル

特別な理由がなければ、フラッグシップから始めてください。すべての機能はまずフラッグシップ向けに設計され、GPUで検証されます。各ページには、そのファミリーのチェックポイント、エクスポートマトリックス、ライセンス情報が掲載されています。

RF-DETR: 4件のタスク、19個のチェックポイント。
YOLOv9: 検出、9個のチェックポイント。
DEIM: 検出、13個のチェックポイント。
D-FINE: 2件のタスク、10個のチェックポイント。
EdgeCrafter: 3件のタスク、12個のチェックポイント。
RT-DETR: 2件のタスク、21個のチェックポイント。
YOLO-NAS: 2件のタスク、重みは当方ではなく著者が配布。
ConvNeXt: 検出、3個のチェックポイント。
DINOv2: 3件のタスク、重みは当方ではなく著者が配布。
Dome-DETR: 検出、重みは当方ではなく著者が配布。
EfficientNetV2: 検出、4個のチェックポイント。
FOMO: 検出、3個のチェックポイント。
LingBot-Vision: 検出、3個のチェックポイント。
MobileNetV4: 検出、3個のチェックポイント。
NAFNet: 検出、1個のチェックポイント。
PicoDet: 検出、3個のチェックポイント。
ResNet: 検出、4個のチェックポイント。
RTMDet: 2件のタスク、10個のチェックポイント。
SegFormer: 検出、6個のチェックポイント。
YOLOv7: 検出、1個のチェックポイント。
YOLOX: 検出、6個のチェックポイント。
AlexNet: 検出、1個のチェックポイント。
BiRefNet: 検出、1個のチェックポイント。
CenterNet: 検出、2個のチェックポイント。
DeepLabv3: 検出、3個のチェックポイント。
Deformable DETR: 検出、5個のチェックポイント。
Depth Anything 3: 検出、1個のチェックポイント。
Depth Anything V2: 検出、3個のチェックポイント。
DETR: 検出、4個のチェックポイント。
DexiNed: 検出、重みは当方ではなく著者が配布。
DINO-DETR: 検出、3個のチェックポイント。
EfficientDet: 検出、5個のチェックポイント。
EoMT: 3件のタスク、6個のチェックポイント。
Faster R-CNN: 検出、4個のチェックポイント。
FCN: 検出、2個のチェックポイント。
FCOS: 検出、1個のチェックポイント。
FeyNobg: 検出、3個のチェックポイント。
HRNet: 検出、2個のチェックポイント。
L2CS-Net: 検出、重みは当方ではなく著者が配布。
LibreFaceRec: 検出、重みは当方ではなく著者が配布。
LW-DETR: 検出、5個のチェックポイント。
Mask R-CNN: 2件のタスク、1個のチェックポイント。
MiDaS: 検出、重みは当方ではなく著者が配布。
MoGe-2: 検出、重みは当方ではなく著者が配布。
PIDNet: 検出、3個のチェックポイント。
PP-OCRv5: 検出、2個のチェックポイント。
Real-ESRGAN: 検出、3個のチェックポイント。
RetinaNet: 検出、2個のチェックポイント。
SAM 3D Body: 検出、2個のチェックポイント。
SSD: 検出、1個のチェックポイント。
Swin Transformer: 検出、4個のチェックポイント。
SwinIR: 検出、3個のチェックポイント。
TEED: 検出、重みは当方ではなく著者が配布。
VGG: 検出、4個のチェックポイント。
ViT: 検出、4個のチェックポイント。
ZipDepth: 検出、2個のチェックポイント。
DeiT: 検出、3個のチェックポイント。
YOLOv1: 検出、1個のチェックポイント。
YOLOv2: 検出、2個のチェックポイント。
YOLOv3: 検出、3個のチェックポイント。
YOLOv4: 検出、2個のチェックポイント。
CLIP: 2件のタスク、2個のチェックポイント。
EdgeTAM: 検出、1個のチェックポイント。
Florence-2: 検出、重みは当方ではなく著者が配布。
Grounding DINO: 検出、2個のチェックポイント。
InternVL3: 検出、重みは当方ではなく著者が配布。
Kosmos-2: 検出、重みは当方ではなく著者が配布。
LFM2-VL: 検出、重みは当方ではなく著者が配布。
LibreMODUS: 4件のタスク、重みは当方ではなく著者が配布。
LocateAnything: 2件のタスク、重みは当方ではなく著者が配布。
MobileSAM: 検出、1個のチェックポイント。
OMDet-Turbo: 検出、1個のチェックポイント。
OV-DEIM: 検出、3個のチェックポイント。
OWLv2: 検出、2個のチェックポイント。
PicoSAM3: 検出、1個のチェックポイント。
Qwen3-VL: 検出、重みは当方ではなく著者が配布。
SAM: 検出、重みは当方ではなく著者が配布。
SAM 2: 検出、4個のチェックポイント。
SAM 3: 検出、重みは当方ではなく著者が配布。
SenseNova-Vision: 7件のタスク、1個のチェックポイント。
SigLIP2: 2件のタスク、2個のチェックポイント。
SmolVLM2: 検出、重みは当方ではなく著者が配布。

主張ではなく実測

Vision Analysis

このドキュメントに掲載する精度とレイテンシの数値はすべて、ハードウェア、ランタイム、精度形式とともに公開している実行結果に基づきます。下のグラフはライブ表示です。

モデルを使う

学習: データセット、引数、データ拡張、マルチGPU、実験ロガー。
推論: 画像、フォルダー、動画、Webカメラ、RTSPストリーム。
エクスポートとデプロイ: 12種類のターゲットと、ファミリー別のサポートマトリックス。
コマンドライン: Pythonコードを書かずに、Python APIのすべての機能を利用。

ライセンスについて

LibreYOLOのコードはMITライセンスです。アプリケーションをオープンソースにする必要はなく、モデルの重みにも影響せず、作成したものを販売しても条件は変わりません。学習済みの重みは別扱いです。それぞれに学習者が定めたライセンスが適用され、ドキュメントでは一括して主張するのではなく、チェックポイントごとに記載しています。一部は非商用であり、その旨を明記しています。

ここでのライセンスの仕組み