Исследования и наука

Создано для открытий

База кода, рассчитанная на исследователей, а не только на пользователей. Меняйте свободно, изучайте вглубь и публикуйтесь, не платя за такую возможность.

Никакой «исследовательской лицензии»

Некоторые фреймворки берут отдельную плату за «исследовательские» или «научные» лицензии — просто за то, чтобы вы могли изучать код, не публикуя свою работу. LibreYOLO — нет.

Типичные «научные лицензии»

  • Платить за то, чтобы исследование осталось закрытым
  • Плата за коммерческие исследования и разработку
  • Запутанные уровни лицензий
  • Юридическая проверка перед публикацией

LibreYOLO (MIT)

  • Исследуйте свободно, оставляйте результат закрытым
  • Ноль платежей для любого сценария
  • Одна простая лицензия: MIT
  • Публикуйтесь без юридических забот
Встроенная интерпретируемость

Загляните внутрь чёрного ящика

Встроенные инструменты интерпретируемости и объяснимости. Никаких внешних зависимостей и сложной настройки — только флаги и вызовы функций.

Извлечение карт признаков

Один флаг. Больше ничего не нужно, чтобы сохранить промежуточные активации каждого слоя. То, что надо, чтобы понять, что модель «видит» на каждом этапе.

feature_maps.py
from libreyolo import LibreYOLO

# Enable feature map saving in constructor
model = LibreYOLO(
    model_path="LibreYOLO11m.pt",
    size="m",
    save_feature_maps=True
)

# Run inference - feature maps auto-saved
results = model(image="parkour.jpg")

# Saved to: runs/feature_maps/
backbone_p1.png
1/11
Карта признаков бэкбона P1

Визуализации CAM

Экспериментально

7 встроенных методов Class Activation Map. Вызовите model.explain(), чтобы получить тепловые карты того, на что смотрит модель. Функция экспериментальная, результаты могут отличаться.

explainability.py
from libreyolo import LibreYOLO

model = LibreYOLO(model_path="LibreYOLO11m.pt", size="m")

# One-line CAM visualization
result = model.explain(
    image="parkour.jpg",
    method="gradcam",
    target_layer="neck_c2f22",
    save=True
)

# Returns heatmap and overlay
print(result["heatmap"].shape)

Создано для доработки

База кода написана так, чтобы её было легко читать и менять. Хотите проверить новый бэкбон? Поэкспериментировать со своим механизмом внимания? Добавить новую функцию потерь? Вперёд.

yolov11_custom.py
# Your modified architecture

from libreyolo.models.yolov11 import YOLOv11

class YOLOv11Custom(YOLOv11):
    def __init__(self):
        super().__init__()
        # Swap out the backbone
        self.backbone = MyCustomBackbone()

    def forward(self, x):
        features = self.backbone(x)
        return self.head(self.neck(features))

# Train it:
model = YOLOv11Custom()
model.train(data="my_dataset.yaml")

Начните исследование сегодня

Никаких лицензионных отчислений. Никаких пейволлов. Никаких ограничений на закрытость вашей работы. Просто установите и начинайте.

$ pip install libreyolo
Открыть документацию