Documentação do LibreYOLO

Uma única API Python para visão computacional: detecção, segmentação, pose, profundidade, OCR e muito mais, com treinamento, validação e exportação para cada tarefa. O código tem licença MIT, então o que você criar com ele continua sendo seu.

instalação

pip install libreyolo

Início rápido Explorar modelos Explorar tarefas

Modelos: 86 famílias, dos carros-chefe atuais aos detectores históricos, por trás de uma única fábrica
Tarefas: 17, da detecção à estimativa de olhar e à recuperação de malha humana
Pesos: 244 checkpoints publicados para as famílias documentadas aqui, baixados no primeiro uso de huggingface.co/LibreYOLO
Exportação: 12 formatos, de ONNX a TensorRT, CoreML, TFLite e Core AI
Licença: MIT para o código. Os pesos mantêm a licença original, indicada para cada checkpoint

O que você quer fazer?

Todas as tarefas

All tasks
Detecção de objetos: Bounding boxes e classes. A tarefa padrão, atendida pela maioria das famílias.
Segmentação de instâncias: Máscaras por objeto, uma máscara por detecção.
Segmentação semântica: Uma classe para cada pixel, sem separar os objetos.
Segmentação panóptica: Segmentação semântica e de instâncias em uma única saída.
Estimativa de pose: Keypoints por objeto, de cima para baixo ou de baixo para cima.
Classificação de imagens: Uma label por imagem, incluindo zero-shot com CLIP e SigLIP2.
Detecção orientada: Bounding boxes rotacionados, para imagens aéreas e de documentos.
Detecção de pontos: Centroides em vez de bounding boxes. Contagem e modelos muito pequenos.
Estimativa de profundidade: Profundidade por pixel a partir de uma única imagem.
Detecção de bordas
Normais de superfície
Restauração de imagens: Remoção de ruído, de desfoque e aumento de escala (upscaling).
Remoção de fundo: Máscaras alfa para recortes.
OCR: Detecção e reconhecimento de texto em uma única passagem.
Reconhecimento facial: Embeddings faciais e galerias de identidades.
Embeddings
Estimativa do olhar: Para onde uma pessoa está olhando.
Malha corporal
Rastreamento de objetos: Identidades ao longo dos quadros do vídeo, sobre qualquer detector.
Detecção de vocabulário aberto: Detecte as classes que você nomear em runtime, sem treinamento.
Segmentação por prompt: Segmente qualquer coisa que você indicar, com SAM e modelos semelhantes.

Qual modelo?

Todos os modelos

Comece com um carro-chefe, a menos que tenha um motivo para escolher outro. Todos os recursos são projetados e validados em GPU primeiro nesses modelos, e cada página traz os checkpoints, a matriz de exportação e as licenças da família.

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

Medido, não alegado

Vision Analysis

Todos os números de acurácia e latência desta documentação vêm de uma execução que publicamos, acompanhados do hardware, runtime e precisão usados. O gráfico abaixo é atualizado ao vivo.

Como trabalhar com um modelo

Treinar: Datasets, argumentos, data augmentation, multi-GPU e registradores de experimentos.
Predizer: Imagens, pastas, vídeo, webcams e streams RTSP.
Exportar e fazer deploy: Doze destinos, com uma matriz de compatibilidade por família.
Linha de comando: Tudo o que a API Python faz, sem escrever Python.

Sobre a licença

O código do LibreYOLO é MIT. Ele não exige que você abra o código do seu aplicativo, não alcança os pesos do seu modelo e não muda se você vender o que criar. Os pesos pré-treinados são separados: cada um mantém a licença de quem o treinou, e a documentação informa isso para cada checkpoint em vez de transformar tudo em uma alegação genérica. Alguns não permitem uso comercial, e isso é indicado claramente.

Como as licenças funcionam aqui