LibreYOLO 문서

하나의 Python API로 탐지, 분할, 자세, 깊이, OCR 등의 컴퓨터 비전 작업을 처리하며 각 작업에 학습, 검증, 내보내기를 지원합니다. 코드는 MIT 라이선스이므로 구축한 결과물의 소유권을 유지할 수 있습니다.

설치

pip install libreyolo

빠른 시작 모델 둘러보기 작업 둘러보기

모델: 하나의 팩토리에서 현재 플래그십부터 과거 탐지기까지 86개 계열 제공
작업: 탐지부터 시선 추정과 인체 메시 복원까지 17개
가중치: 여기에 문서화된 계열의 공개 체크포인트 244개, 처음 사용할 때 huggingface.co/LibreYOLO에서 내려받음
내보내기: ONNX부터 TensorRT, CoreML, TFLite, Core AI까지 12개 형식
라이선스: 코드는 MIT입니다. 가중치에는 체크포인트별로 명시된 업스트림 라이선스가 적용됩니다

작업 선택

All tasks
객체 탐지: 바운딩 박스와 클래스입니다. 기본 작업이며 대부분의 계열에서 지원합니다.
인스턴스 분할: 객체별 마스크이며 탐지 하나당 마스크 하나를 제공합니다.
시맨틱 분할: 객체를 구분하지 않고 모든 픽셀에 클래스를 할당합니다.
판옵틱 분할: 하나의 출력에서 시맨틱 분할과 인스턴스 분할을 제공합니다.
자세 추정: 객체별 키포인트를 하향식 또는 상향식으로 추정합니다.
이미지 분류: 이미지당 레이블 하나를 제공하며 CLIP과 SigLIP2를 사용한 제로샷도 포함합니다.
방향 탐지: 항공 및 문서 이미지용 회전 바운딩 박스입니다.
점 탐지: 바운딩 박스 대신 중심점을 사용합니다. 계수 작업과 매우 작은 모델에 적합합니다.
깊이 추정: 단일 이미지의 픽셀별 깊이를 추정합니다.
엣지 검출
표면 법선
이미지 복원: 노이즈 제거, 흐림 제거, 업스케일링을 수행합니다.
배경 제거: 잘라내기용 알파 매트를 생성합니다.
광학 문자 인식: 한 번에 텍스트를 탐지하고 인식합니다.
얼굴 인식: 얼굴 임베딩과 신원 갤러리를 제공합니다.
임베딩
시선 추정: 사람이 바라보는 곳을 추정합니다.
바디 메시
객체 추적: 모든 탐지기에서 비디오 프레임 간 객체 신원을 추적합니다.
오픈 보캐뷸러리 탐지: 학습 없이 런타임에 지정한 클래스를 탐지합니다.
프롬프트 가능 분할: SAM 및 관련 모델로 가리킨 모든 대상을 분할합니다.

모델 선택

특별한 이유가 없다면 플래그십으로 시작하십시오. 모든 기능은 플래그십을 기준으로 먼저 설계하고 GPU에서 검증하며, 각 페이지에서 해당 계열의 체크포인트, 내보내기 매트릭스, 라이선스를 제공합니다.

RF-DETR: 작업 4개, 체크포인트 19개.
YOLOv9: 탐지, 체크포인트 9개.
DEIM: 탐지, 체크포인트 13개.
D-FINE: 작업 2개, 체크포인트 10개.
EdgeCrafter: 작업 3개, 체크포인트 12개.
RT-DETR: 작업 2개, 체크포인트 21개.
YOLO-NAS: 작업 2개, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
ConvNeXt: 탐지, 체크포인트 3개.
DINOv2: 작업 3개, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
Dome-DETR: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
EfficientNetV2: 탐지, 체크포인트 4개.
FOMO: 탐지, 체크포인트 3개.
LingBot-Vision: 탐지, 체크포인트 3개.
MobileNetV4: 탐지, 체크포인트 3개.
NAFNet: 탐지, 체크포인트 1개.
PicoDet: 탐지, 체크포인트 3개.
ResNet: 탐지, 체크포인트 4개.
RTMDet: 작업 2개, 체크포인트 10개.
SegFormer: 탐지, 체크포인트 6개.
YOLOv7: 탐지, 체크포인트 1개.
YOLOX: 탐지, 체크포인트 6개.
AlexNet: 탐지, 체크포인트 1개.
BiRefNet: 탐지, 체크포인트 1개.
CenterNet: 탐지, 체크포인트 2개.
DeepLabv3: 탐지, 체크포인트 3개.
Deformable DETR: 탐지, 체크포인트 5개.
Depth Anything 3: 탐지, 체크포인트 1개.
Depth Anything V2: 탐지, 체크포인트 3개.
DETR: 탐지, 체크포인트 4개.
DexiNed: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
DINO-DETR: 탐지, 체크포인트 3개.
EfficientDet: 탐지, 체크포인트 5개.
EoMT: 작업 3개, 체크포인트 6개.
Faster R-CNN: 탐지, 체크포인트 4개.
FCN: 탐지, 체크포인트 2개.
FCOS: 탐지, 체크포인트 1개.
FeyNobg: 탐지, 체크포인트 3개.
HRNet: 탐지, 체크포인트 2개.
L2CS-Net: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
LibreFaceRec: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
LW-DETR: 탐지, 체크포인트 5개.
Mask R-CNN: 작업 2개, 체크포인트 1개.
MiDaS: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
MoGe-2: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
PIDNet: 탐지, 체크포인트 3개.
PP-OCRv5: 탐지, 체크포인트 2개.
Real-ESRGAN: 탐지, 체크포인트 3개.
RetinaNet: 탐지, 체크포인트 2개.
SAM 3D Body: 탐지, 체크포인트 2개.
SSD: 탐지, 체크포인트 1개.
Swin Transformer: 탐지, 체크포인트 4개.
SwinIR: 탐지, 체크포인트 3개.
TEED: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
VGG: 탐지, 체크포인트 4개.
ViT: 탐지, 체크포인트 4개.
ZipDepth: 탐지, 체크포인트 2개.
DeiT: 탐지, 체크포인트 3개.
YOLOv1: 탐지, 체크포인트 1개.
YOLOv2: 탐지, 체크포인트 2개.
YOLOv3: 탐지, 체크포인트 3개.
YOLOv4: 탐지, 체크포인트 2개.
CLIP: 작업 2개, 체크포인트 2개.
EdgeTAM: 탐지, 체크포인트 1개.
Florence-2: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
Grounding DINO: 탐지, 체크포인트 2개.
InternVL3: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
Kosmos-2: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
LFM2-VL: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
LibreMODUS: 작업 4개, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
LocateAnything: 작업 2개, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
MobileSAM: 탐지, 체크포인트 1개.
OMDet-Turbo: 탐지, 체크포인트 1개.
OV-DEIM: 탐지, 체크포인트 3개.
OWLv2: 탐지, 체크포인트 2개.
PicoSAM3: 탐지, 체크포인트 1개.
Qwen3-VL: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
SAM: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
SAM 2: 탐지, 체크포인트 4개.
SAM 3: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.
SenseNova-Vision: 작업 7개, 체크포인트 1개.
SigLIP2: 작업 2개, 체크포인트 2개.
SmolVLM2: 탐지, LibreYOLO가 아닌 저자가 가중치를 배포합니다.

주장이 아닌 측정 결과

Vision Analysis

이 문서의 모든 정확도와 지연 시간 수치는 공개된 실행 결과에서 가져오며 하드웨어, 런타임, 정밀도도 함께 기록합니다. 아래 차트는 실시간 데이터입니다.

모델 작업

학습: 데이터셋, 인수, 데이터 증강, 다중 GPU, 실험 로거입니다.
예측: 이미지, 폴더, 비디오, 웹캠, RTSP 스트림입니다.
내보내기 및 배포: 계열별 지원 매트릭스와 12개 대상입니다.
명령줄: Python 코드를 작성하지 않고 Python API의 모든 기능을 사용합니다.

라이선스 안내

LibreYOLO 코드는 MIT 라이선스입니다. 애플리케이션을 오픈 소스로 공개할 필요가 없고 모델 가중치에 영향을 주지 않으며, 구축한 제품을 판매해도 달라지지 않습니다. 사전 학습된 가중치는 별개입니다. 각 가중치에는 학습한 주체의 라이선스가 적용되며, 문서에서는 이를 하나의 포괄적인 주장으로 뭉뚱그리지 않고 체크포인트별로 명시합니다. 일부 가중치는 비상업적 용도로만 사용할 수 있으며 해당 내용이 명시되어 있습니다.

라이선스 적용 방식