Licenciamento

O código próprio do LibreYOLO

A biblioteca é MIT. Isso cobre a API Python, a CLI, os trainers, os validadores e os exportadores, os carregadores de dataset e os scripts de conversão em weights/. Use em um produto comercial ou de código fechado, mantenha a linha de copyright e o texto da licença junto de qualquer cópia que você redistribuir, e a obrigação termina aí.

A concessão termina no código. O arquivo LICENSE diz isso sem rodeios:

Essas licenças variam e nem todas são permissivas: alguns pesos publicados são não comerciais ou restritos de outra forma, e esta Licença MIT não se estende a eles. Escolher um modelo é escolher a licença dele.

Código upstream, por família

A maioria das famílias são ports de pesquisa publicada, e várias incorporam código-fonte upstream diretamente. Um arquivo incorporado mantém o cabeçalho de copyright original e a licença original. A MIT não sobrescreve isso, e o LibreYOLO não relicencia o trabalho de ninguém. Apache-2.0 e BSD-3-Clause são as duas que mais aparecem.

A Apache-2.0 cobre a linha DETR e boa parte do trabalho com transformers: DETR da Meta AI (FAIR), Deformable DETR da SenseTime, LW-DETR da Baidu, OV-DEIM de Leilei Wang e coautores, a implementação do SegFormer que o LibreYOLO porta do Hugging Face Transformers, PP-OCRv5 dos PaddlePaddle Authors, SwinIR do Computer Vision Lab da ETH Zurich e Depth Anything 3 do ByteDance Seed. Também cobre os classificadores derivados do timm, de Ross Wightman e dos contribuidores do timm, entre eles ResNet, DeiT, EfficientNetV2, MobileNetV4 e Swin, cujos nomes de módulo espelham os do timm para que os tensores da ImageNet carreguem sem alteração.

A BSD-3-Clause cobre tudo que deriva do torchvision: Faster R-CNN, Mask R-CNN, FCOS, RetinaNet, SSD300, AlexNet, VGG, FCN e DeepLabv3.

A MIT cobre um grupo menor, incluindo NAFNet da Megvii, CenterNet de Xingyi Zhou e YOLOv7 tal como relançado pelos próprios autores, Kin-Yiu Wong e Hao-Tang Tsui, no MultimediaTechLab. As famílias YOLOv1 a YOLOv4 reproduzem arquiteturas do projeto Darknet, de Joseph Redmon e, no caso do YOLOv4, de Alexey Bochkovskiy. O Darknet é de domínio público, então essas não carregam obrigação nenhuma.

Uma subárvore incluída não tem licença de código aberto. A família DEIMv2 traz o código do backbone DINOv3 da Meta Platforms sob o DINOv3 License Agreement, uma licença customizada fora da OSI. Redistribuir esse código significa distribuir uma cópia do acordo junto, e o acordo proíbe o uso para atividades sujeitas ao ITAR, para fins militares ou de guerra, para indústrias nucleares, espionagem e desenvolvimento de armas. Esses termos valem só para aquela subárvore.

Dois arquivos do repositório têm o quadro completo. NOTICE lista cada subárvore de terceiros incluída, com o caminho, o arquivo de licença e a origem upstream. THIRD_PARTY_NOTICES.txt lista os projetos upstream dos quais o LibreYOLO deriva e reproduz o texto de cada licença na íntegra.

Pesos, por checkpoint

Nenhum arquivo de pesos pré-treinados vem dentro do pacote. Os checkpoints publicados ficam no Hugging Face sob a organização LibreYOLO, e cada repositório carrega o próprio LICENSE e a própria atribuição, refletindo o projeto de onde os pesos vieram.

Esse repositório é a fonte autoritativa dos termos. Não esta página, nem a página do modelo, nem o resumo na árvore de código. Veja checkpoints e pesos para saber como os arquivos são nomeados e de onde são baixados.

As licenças diferem entre famílias, e diferem entre arquivos dentro de uma mesma família. Dois exemplos do segundo caso:

• Os checkpoints COCO do YOLO9 são MIT. LibreYOLO9P2s-visdrone.pt, treinado no VisDrone2019-DET, é CC BY-NC-SA 3.0, que é não comercial.
• Os checkpoints de detecção do RF-DETR são Apache-2.0. Os checkpoints de caixa orientada são CC BY 4.0, porque passaram por fine-tuning em um dataset do Roboflow Universe publicado sob CC BY 4.0 e os pesos carregam adiante a exigência de atribuição desse dataset.

Entre famílias a variação é maior, e vários checkpoints publicados não podem ser usados em um produto comercial:

• O SegFormer é a separação mais clara entre as duas camadas. A implementação é um port Apache-2.0 do código do Hugging Face Transformers. Os checkpoints ADE20K publicados são convertidos do release da NVIDIA sob a NVIDIA Source Code License, que permite a redistribuição, mas limita o uso a pesquisa ou avaliação não comerciais, e leva esse limite adiante para os trabalhos derivados. Esses checkpoints não são cobertos pelos termos permissivos do LibreYOLO.
• Os checkpoints do OV-DEIM são CC BY-NC 4.0, confirmado pelo autor upstream. Toda predição também carrega a torre de texto MobileCLIP-B(LT) da Apple, cuja licença restringe o uso a pesquisa, um termo mais estrito que o do próprio checkpoint.
• O código do SenseNova-Vision é Apache-2.0 e os pesos dele são CC BY-NC 4.0. O loader imprime o aviso de uso não comercial antes de todo download automático.

Algumas famílias não têm checkpoint nenhum hospedado pelo LibreYOLO, e as páginas delas dizem isso na linha Weights. O SAM 3 tem acesso restrito no Hugging Face sob a SAM License própria da Meta e é baixado direto da Meta. Os assets de release do MiDaS são buscados nas URLs oficiais e verificados por hash em vez de rehospedados. O Dome-DETR aponta para o upstream porque o model card dele não declara licença nenhuma nos metadados enquanto o texto afirma Apache-2.0 e ao mesmo tempo restringe o uso a pesquisa acadêmica, e essas duas coisas não batem. As arquiteturas TEED e DexiNed são MIT, mas os checkpoints publicados pelos autores foram treinados no BIPED, cujos termos de dataset são não comerciais, então o LibreYOLO não os inclui nem os baixa automaticamente.

Vários checkpoints do torchvision não têm arquivo de licença próprio. O LibreYOLO os espelha na licença usada pelo projeto que os publica, declara em cada model card que a base é implícita e não uma concessão por checkpoint, e repete o próprio aviso do torchvision de que os termos de um modelo pré-treinado podem derivar dos dados de treinamento.

Encontrar os termos de um modelo

A página do modelo traz uma linha Licenses no cabeçalho, na forma Code X, weights Y, que leva à seção Licensing mais abaixo na página. Essa seção lista o trabalho original e seus autores, a licença upstream, a origem upstream, a licença do código do LibreYOLO, os pesos e uma interpretação do que os termos permitem. A tabela Checkpoints da mesma página tem uma coluna Weights license, com uma linha por arquivo publicado, então uma família com termos mistos os mostra arquivo por arquivo.

Tudo isso é renderizado a partir dos mesmos dados usados para verificar a biblioteca, e é por isso que esta página não repete a informação em forma de tabela. Uma matriz de licenças escrita à mão fica errada dentro de uma mesma versão, e errar aqui sai caro.

Na árvore de código, os equivalentes são NOTICE para o código incluído, THIRD_PARTY_NOTICES.txt para os projetos upstream e seus textos de licença, e weights/LICENSE_NOTICE.txt para um resumo por família dos checkpoints publicados.

Depois confira o repositório do Hugging Face do arquivo exato que você está prestes a baixar. Ele é a fonte autoritativa, e pode mudar sem que uma página de documentação mude junto.

Uso comercial

O código raramente é o problema. MIT, Apache-2.0 e BSD-3-Clause permitem, todas as três, uso comercial e de código fechado. Cada uma pede que você mantenha o texto da licença e os avisos de atribuição nas cópias que redistribuir, a Apache-2.0 também concede uma licença de patentes, e nenhuma delas impõe condições ao código da sua própria aplicação.

É nos checkpoints que os produtos empacam. Um checkpoint não comercial continua não comercial por mais permissivo que seja o código em volta, e converter o arquivo não muda os termos aplicáveis a ele, que é o que weights/LICENSE_NOTICE.txt diz diretamente. Um artefato ONNX ou TensorRT construído a partir de um checkpoint restrito herda a restrição.

Quando uma licença leva a restrição adiante para os trabalhos derivados, como a NVIDIA Source Code License faz, o fine-tuning também não escapa dela. Treinar a mesma arquitetura do zero, com dados que você tem o direito de usar, escapa: o código é permissivo, então um modelo que você mesmo treina é seu, e os termos do checkpoint pré-treinado nunca entram nele. A página do SegFormer detalha isso para os pesos dela; leia a linha Interpretation na página da família que você pretende colocar em produção.

Decida a questão da licença quando escolher o modelo, e não na hora de publicar, e leia os termos do arquivo que você de fato baixou, porque uma família com um checkpoint permissivo pode ter um restrito do lado.

Isto não é aconselhamento jurídico

Esta página descreve as licenças envolvidas. É uma descrição, não aconselhamento jurídico, e não cria garantia nenhuma. Se a resposta importa comercialmente, leia as licenças você mesmo e busque o seu próprio parecer jurídico.