Licencjonowanie

Własny kod LibreYOLO

Biblioteka jest objęta licencją MIT. Dotyczy to API Pythona, CLI, modułów trenujących, walidatorów i eksporterów, modułów wczytujących zbiory danych oraz skryptów konwersji w katalogu weights/. Można używać ich w produkcie komercyjnym lub o zamkniętym kodzie źródłowym. W każdej rozpowszechnianej kopii należy zachować informację o prawach autorskich i tekst licencji. Na tym kończą się zobowiązania.

Udzielone prawa obejmują wyłącznie kod. Plik LICENSE ujmuje to jasno:

Licencje te są różne i nie wszystkie są liberalne: niektóre opublikowane wagi są przeznaczone wyłącznie do użytku niekomercyjnego lub podlegają innym ograniczeniom, a niniejsza licencja MIT ich nie obejmuje. Wybór modelu oznacza wybór jego licencji.

Kod źródłowych projektów według rodziny

Większość rodzin to porty opublikowanych prac badawczych, a część bezpośrednio dołącza kod źródłowego projektu. Dołączony plik zachowuje pierwotny nagłówek praw autorskich i pierwotną licencję. Licencja MIT ich nie zastępuje, a LibreYOLO nie udziela ponownie licencji na cudzą pracę. Najczęściej występują licencje Apache-2.0 i BSD-3-Clause.

Licencja Apache-2.0 obejmuje linię DETR i znaczną część rozwiązań opartych na transformerach: DETR od Meta AI (FAIR), Deformable DETR od SenseTime, LW-DETR od Baidu, OV-DEIM autorstwa Leilei Wanga i współautorów, implementację SegFormer przeniesioną do LibreYOLO z Hugging Face Transformers, PP-OCRv5 od autorów PaddlePaddle, SwinIR z Computer Vision Lab na ETH Zurich oraz Depth Anything 3 od ByteDance Seed. Obejmuje także klasyfikatory wywodzące się z timm autorstwa Rossa Wightmana i współtwórców timm, w tym ResNet, DeiT, EfficientNetV2, MobileNetV4 i Swin. Nazwy ich modułów odpowiadają timm, dzięki czemu tensory ImageNet są wczytywane bez zmian.

Licencja BSD-3-Clause obejmuje wszystko, co wywodzi się z torchvision: Faster R-CNN, Mask R-CNN, FCOS, RetinaNet, SSD300, AlexNet, VGG, FCN i DeepLabv3.

Licencja MIT obejmuje mniejszą grupę, w tym NAFNet od Megvii, CenterNet od Xingyi Zhou oraz YOLOv7 ponownie wydany przez jego autorów, Kin-Yiu Wonga i Hao-Tang Tsuia, z MultimediaTechLab. Rodziny od YOLOv1 do YOLOv4 odtwarzają architektury z projektu Darknet autorstwa Josepha Redmona, a w przypadku YOLOv4 również Alexeya Bochkovskiego. Darknet należy do domeny publicznej, więc nie wiąże się z żadnymi zobowiązaniami.

Jedno dołączone poddrzewo nie jest objęte licencją open source. Rodzina DEIMv2 zawiera kod backbone DINOv3 od Meta Platforms objęty DINOv3 License Agreement, niestandardową licencją spoza OSI. Rozpowszechnianie tego kodu wymaga dołączenia kopii umowy. Umowa zabrania także wykorzystania w działaniach podlegających ITAR, do celów wojskowych lub wojennych, w przemyśle jądrowym, szpiegostwie i rozwoju broni. Warunki te wiążą wyłącznie to poddrzewo.

Dwa pliki w repozytorium przedstawiają pełny obraz. NOTICE zawiera listę wszystkich dołączonych poddrzew innych podmiotów wraz ze ścieżką, plikiem licencji i źródłem projektu. THIRD_PARTY_NOTICES.txt zawiera listę projektów, z których wywodzi się LibreYOLO, oraz pełny tekst każdej licencji.

Wagi według checkpointu

Pakiet nie zawiera żadnego pliku wstępnie wytrenowanych wag. Opublikowane checkpointy znajdują się na Hugging Face w ramach organizacji LibreYOLO, a każde repozytorium ma własny plik LICENSE i informacje o autorstwie odpowiadające projektowi, z którego pochodzą wagi.

To repozytorium jest rozstrzygającym źródłem warunków. Nie jest nim ta strona, strona modelu ani podsumowanie w drzewie kodu źródłowego. Informacje o nazwach plików i miejscu ich pobierania zawiera strona checkpointy i wagi.

Licencje różnią się między rodzinami, a także między plikami w obrębie jednej rodziny. Oto dwa przykłady drugiego przypadku:

• Checkpointy YOLO9 COCO są objęte licencją MIT. Plik LibreYOLO9P2s-visdrone.pt, wytrenowany na VisDrone2019-DET, jest objęty licencją CC BY-NC-SA 3.0, która wyklucza użycie komercyjne.
• Checkpointy detekcji RF-DETR są objęte licencją Apache-2.0. Checkpointy obróconych ramek są objęte licencją CC BY 4.0, ponieważ dostrojono je na zbiorze danych Roboflow Universe opublikowanym na licencji CC BY 4.0, a wagi zachowują wynikający z tej licencji wymóg podania autorstwa zbioru danych.

Zakres między rodzinami jest jeszcze szerszy, a kilku opublikowanych checkpointów nie można używać w produkcie komercyjnym:

• SegFormer najwyraźniej pokazuje rozdział tych dwóch warstw. Implementacja to port kodu Hugging Face Transformers objęty licencją Apache-2.0. Opublikowane checkpointy ADE20K przekonwertowano z wydania NVIDIA objętego NVIDIA Source Code License. Pozwala ona na redystrybucję, ale ogranicza użycie do badań lub oceny o charakterze niekomercyjnym i przenosi to ograniczenie na prace pochodne. Tych checkpointów nie obejmują liberalne warunki LibreYOLO.
• Checkpointy OV-DEIM są objęte licencją CC BY-NC 4.0, co potwierdził autor projektu źródłowego. Każda predykcja wczytuje również tekstową część modelu MobileCLIP-B(LT) firmy Apple, której licencja ogranicza użycie do badań. Jest to warunek bardziej restrykcyjny niż własna licencja checkpointu.
• Kod SenseNova-Vision jest objęty licencją Apache-2.0, a jego wagi licencją CC BY-NC 4.0. Moduł wczytujący wyświetla informację o użytku niekomercyjnym przed każdym automatycznym pobraniem.

Niektóre rodziny nie mają żadnego checkpointu hostowanego przez LibreYOLO, co jest wskazane w wierszu Wagi na ich stronach. Dostęp do SAM 3 na Hugging Face jest ograniczony własną licencją SAM firmy Meta, a plik pobiera się bezpośrednio od Meta. Zasoby wydań MiDaS są pobierane z oficjalnych adresów URL i weryfikowane za pomocą skrótu zamiast ponownego hostowania. Odnośnik do Dome-DETR prowadzi do projektu źródłowego, ponieważ karta modelu nie podaje licencji w metadanych, podczas gdy jej treść jednocześnie deklaruje Apache-2.0 i ogranicza użycie do badań akademickich. Te informacje są sprzeczne. Architektury TEED i DexiNed są objęte licencją MIT, ale checkpointy wydane przez autorów wytrenowano na BIPED, którego warunki ograniczają użycie do celów niekomercyjnych. Dlatego LibreYOLO ani ich nie dołącza, ani nie pobiera automatycznie.

Kilka checkpointów torchvision nie ma własnego pliku licencji. LibreYOLO udostępnia ich kopie na licencji używanej przez projekt, który je wydał. Na każdej karcie modelu zaznaczono, że podstawa licencyjna jest dorozumiana, a nie udzielona osobno dla checkpointu, i powtórzono ostrzeżenie torchvision, że warunki wstępnie wytrenowanego modelu mogą wynikać z danych treningowych.

Znajdowanie warunków dla jednego modelu

Strona modelu zawiera w nagłówku wiersz Licencje w formacie Kod X, wagi Y, który prowadzi do sekcji Licencjonowanie na tej stronie. Sekcja wymienia oryginalną pracę i jej autorów, licencję projektu źródłowego, źródło projektu, licencję kodu LibreYOLO, wagi oraz interpretację dozwolonego użycia. Tabela Checkpointy na tej samej stronie ma kolumnę Licencja wag i po jednym wierszu na każdy opublikowany plik, dzięki czemu rodzina o mieszanych warunkach pokazuje je osobno dla każdego pliku.

Wszystkie te informacje są renderowane z tych samych danych, względem których sprawdzana jest biblioteka. Dlatego ta strona nie powtarza ich w tabeli. Ręcznie napisana macierz licencji staje się nieaktualna w ciągu jednego wydania, a błąd w tej kwestii jest kosztowny.

W drzewie kodu źródłowego odpowiednikami są NOTICE dla dołączonego kodu, THIRD_PARTY_NOTICES.txt dla projektów źródłowych i tekstów ich licencji oraz weights/LICENSE_NOTICE.txt z podsumowaniem opublikowanych checkpointów dla poszczególnych rodzin.

Następnie należy sprawdzić repozytorium Hugging Face dotyczące dokładnie tego pliku, który ma zostać pobrany. Jest ono rozstrzygającym źródłem i może zmienić się bez zmiany strony dokumentacji.

Użycie komercyjne

Kod rzadko stanowi problem. Licencje MIT, Apache-2.0 i BSD-3-Clause zezwalają na użycie komercyjne oraz w zamkniętym kodzie źródłowym. Każda z nich wymaga zachowania tekstu licencji i informacji o autorstwie w rozpowszechnianych kopiach, Apache-2.0 udziela również licencji patentowej, a żadna nie nakłada warunków na własny kod aplikacji.

Checkpointy są częstszą przeszkodą dla produktów. Checkpoint przeznaczony do użytku niekomercyjnego pozostaje niekomercyjny niezależnie od liberalnej licencji otaczającego kodu, a konwersja pliku nie zmienia obowiązujących go warunków. Wprost stwierdza to weights/LICENSE_NOTICE.txt. Artefakt ONNX lub TensorRT zbudowany z checkpointu objętego ograniczeniami przejmuje te ograniczenia.

Jeśli licencja przenosi ograniczenie na prace pochodne, tak jak NVIDIA Source Code License, dostrajanie również go nie omija. Inaczej jest w przypadku trenowania tej samej architektury od zera na danych, do których ma się odpowiednie prawa. Kod ma liberalną licencję, więc samodzielnie wytrenowany model należy do osoby, która go wytrenowała, a warunki wstępnie wytrenowanego checkpointu nigdy nie mają zastosowania. Strona SegFormer wyjaśnia to w odniesieniu do własnych wag. Należy przeczytać wiersz Interpretacja na stronie każdej rodziny planowanej do wdrożenia.

Kwestię licencji należy rozstrzygnąć podczas wyboru modelu, a nie przed samym wydaniem produktu. Trzeba też przeczytać warunki dotyczące faktycznie pobranego pliku, ponieważ obok liberalnie licencjonowanego checkpointu tej samej rodziny może znajdować się checkpoint objęty ograniczeniami.

To nie jest porada prawna

Ta strona opisuje obowiązujące licencje. Jest opisem, a nie poradą prawną, i nie stanowi żadnej gwarancji. Jeśli odpowiedź ma znaczenie komercyjne, należy samodzielnie przeczytać licencje i zasięgnąć porady prawnej.