Документація LibreYOLO
Один API Python для комп'ютерного зору: виявлення, сегментації, оцінювання пози, глибини, OCR тощо, з навчанням, валідацією та експортом для кожної задачі. Код має ліцензію MIT, тому створене вами залишається вашим.
встановити
pip install libreyolo- Моделі
- 122 сімейств, від сучасних флагманів до історичних детекторів, за однією фабрикою
- Задачі
- 22, від виявлення до оцінювання погляду й відновлення полігональної сітки людини
- Ваги
- 324 опублікованих контрольних точок для описаних тут сімейств, що завантажуються під час першого використання з huggingface.co/LibreYOLO
- Експорт
- 12 форматів, від ONNX до TensorRT, CoreML, TFLite та Core AI
- Ліцензія
- Код має ліцензію MIT. Ваги мають ліцензію першоджерела, зазначену для кожної контрольної точки
Що ви хочете зробити?
Усі задачі- Виявлення об'єктів
- Рамки та класи. Типова задача, яку підтримує більшість сімейств.
- Сегментація екземплярів
- Маски для окремих об'єктів, по одній на кожне виявлення.
- Семантична сегментація
- Клас для кожного пікселя без розділення об'єктів.
- Паноптична сегментація
- Семантична сегментація та сегментація екземплярів в одному результаті.
- Оцінювання пози
- Ключові точки для кожного об'єкта, згори вниз або знизу вгору.
- Класифікація зображень
- Одна мітка на зображення, зокрема без попереднього навчання з CLIP і SigLIP2.
- Орієнтоване виявлення
- Повернуті рамки для аерознімків і зображень документів.
- Виявлення точок
- Центроїди замість рамок. Підрахунок і дуже малі моделі.
- Оцінювання глибини
- Глибина кожного пікселя з одного зображення.
- Відновлення зображень
- Усунення шуму й розмиття та збільшення роздільної здатності.
- Видалення тла
- Вирізи з альфа-каналом.
- OCR
- Виявлення та розпізнавання тексту за один прохід.
- Розпізнавання облич
- Ембединги облич і галереї ідентичностей.
- Оцінювання напрямку погляду
- Визначення того, куди дивиться людина.
- Відстеження об'єктів
- Ідентичності між кадрами відео поверх будь-якого детектора.
- Виявлення з відкритим словником
- Виявлення класів, названих під час виконання, без навчання.
- Сегментація з підказками
- Сегментація всього, на що ви вкажете, за допомогою SAM та подібних моделей.
Яку модель вибрати?
Усі моделіПочинайте з флагманської моделі, якщо немає причини обрати іншу. Кожну функцію спочатку проєктують і валідують на GPU саме для таких моделей, а сторінка кожного сімейства містить контрольні точки, матрицю експорту й умови ліцензування.
- RF-DETR
- 4 задач, 16 контрольних точок.
- YOLOv9
- Виявлення, 9 контрольних точок.
- DEIM
- Виявлення, 13 контрольних точок.
- D-FINE
- 2 задач, 10 контрольних точок.
- EdgeCrafter
- 3 задач, 24 контрольних точок.
- RT-DETR
- 2 задач, 21 контрольна точка.
- YOLO-NAS
- 3 задач, ваги поширюють їхні автори, а не ми.
- ConvNeXt
- 1 задача, 3 контрольних точок.
- DINOv2
- 3 задач, ваги поширюють їхні автори, а не ми.
- Dome-DETR
- Виявлення, 6 контрольних точок.
- EfficientNetV2
- 1 задача, 4 контрольних точок.
- FOMO
- 1 задача, 3 контрольних точок.
- LingBot-Vision
- 1 задача, 3 контрольних точок.
- MobileNetV4
- 1 задача, 3 контрольних точок.
- NAFNet
- 1 задача, 1 контрольна точка.
- PicoDet
- Виявлення, 3 контрольних точок.
- ResNet
- 1 задача, 4 контрольних точок.
- RTMDet
- 2 задач, 10 контрольних точок.
- SegFormer
- 1 задача, 6 контрольних точок.
- YOLOv7
- Виявлення, 1 контрольна точка.
- YOLOX
- Виявлення, 6 контрольних точок.
- AlexNet
- 1 задача, 1 контрольна точка.
- BiRefNet
- 1 задача, 1 контрольна точка.
- CenterNet
- Виявлення, 2 контрольних точок.
- DeepLabv3
- 1 задача, 3 контрольних точок.
- Deformable DETR
- Виявлення, 5 контрольних точок.
- Depth Anything 3
- 1 задача, 1 контрольна точка.
- Depth Anything V2
- 1 задача, 3 контрольних точок.
- DETR
- Виявлення, 4 контрольних точок.
- DexiNed
- 1 задача, ваги поширюють їхні автори, а не ми.
- DINO-DETR
- Виявлення, 3 контрольних точок.
- EfficientDet
- Виявлення, 5 контрольних точок.
- EoMT
- 3 задач, 6 контрольних точок.
- Faster R-CNN
- Виявлення, 4 контрольних точок.
- FCN
- 1 задача, 2 контрольних точок.
- FCOS
- Виявлення, 1 контрольна точка.
- FeyNobg
- 1 задача, 3 контрольних точок.
- HRNet
- 1 задача, 2 контрольних точок.
- L2CS-Net
- 1 задача, ваги поширюють їхні автори, а не ми.
- LibreFaceRec
- 1 задача, ваги поширюють їхні автори, а не ми.
- LW-DETR
- Виявлення, 5 контрольних точок.
- Mask R-CNN
- 2 задач, 1 контрольна точка.
- MiDaS
- 1 задача, 2 контрольних точок.
- MoGe-2
- 1 задача, 2 контрольних точок.
- PIDNet
- 1 задача, 3 контрольних точок.
- PP-OCRv5
- 1 задача, 2 контрольних точок.
- Real-ESRGAN
- 1 задача, 3 контрольних точок.
- RetinaNet
- Виявлення, 2 контрольних точок.
- SAM 3D Body
- 1 задача, 0 контрольних точок.
- SSD
- Виявлення, 1 контрольна точка.
- Swin Transformer
- 1 задача, 4 контрольних точок.
- SwinIR
- 1 задача, 3 контрольних точок.
- TEED
- 1 задача, ваги поширюють їхні автори, а не ми.
- VGG
- 1 задача, 4 контрольних точок.
- ViT
- 1 задача, 4 контрольних точок.
- ZipDepth
- 1 задача, 2 контрольних точок.
- DeiT
- 1 задача, 3 контрольних точок.
- YOLOv1
- Виявлення, 1 контрольна точка.
- YOLOv2
- Виявлення, 2 контрольних точок.
- YOLOv3
- Виявлення, 3 контрольних точок.
- YOLOv4
- Виявлення, 2 контрольних точок.
- CLIP
- 2 задач, 2 контрольних точок.
- EdgeTAM
- 1 задача, 0 контрольних точок.
- Florence-2
- Виявлення, ваги поширюють їхні автори, а не ми.
- Grounding DINO
- Виявлення, 0 контрольних точок.
- InternVL3
- Виявлення, ваги поширюють їхні автори, а не ми.
- Kosmos-2
- Виявлення, ваги поширюють їхні автори, а не ми.
- LFM2-VL
- Виявлення, ваги поширюють їхні автори, а не ми.
- LibreMODUS
- 4 задач, ваги поширюють їхні автори, а не ми.
- LocateAnything
- 2 задач, ваги поширюють їхні автори, а не ми.
- MobileSAM
- 1 задача, 1 контрольна точка.
- OMDet-Turbo
- Виявлення, 0 контрольних точок.
- OV-DEIM
- Виявлення, 0 контрольних точок.
- OWLv2
- Виявлення, 0 контрольних точок.
- PicoSAM3
- 1 задача, 0 контрольних точок.
- Qwen3-VL
- Виявлення, ваги поширюють їхні автори, а не ми.
- SAM
- 1 задача, 0 контрольних точок.
- SAM 2
- 1 задача, 0 контрольних точок.
- SAM 3
- 1 задача, 0 контрольних точок.
- SenseNova-Vision
- 7 задач, 0 контрольних точок.
- SigLIP2
- 2 задач, 2 контрольних точок.
- SmolVLM2
- Виявлення, ваги поширюють їхні автори, а не ми.
- QuickSRNet
- 1 задача, 1 контрольна точка.
- Qwen3-VL grounding
- 1 задача, 0 контрольних точок.
- HVI-CIDNet
- 1 задача, 1 контрольна точка.
- LaMa
- 1 задача, 1 контрольна точка.
- North Micro Vision
- Виявлення, ваги поширюють їхні автори, а не ми.
- PE Core
- 2 задач, 5 контрольних точок.
- PP-LiteSeg
- 1 задача, 4 контрольних точок.
- ShowUI
- 1 задача, ваги поширюють їхні автори, а не ми.
- V-JEPA 2
- 2 задач, 8 контрольних точок.
- Florence-2 grounding
- 1 задача, 0 контрольних точок.
- PP-YOLOE
- Виявлення, ваги поширюють їхні автори, а не ми.
- ViTMatte
- 1 задача, 1 контрольна точка.
- 3D-MOOD
- 1 задача, 2 контрольних точок.
- BEN2
- 1 задача, 1 контрольна точка.
- ConvNeXt V2
- 1 задача, 8 контрольних точок.
- DDColor
- 1 задача, 2 контрольних точок.
- DEKR
- 1 задача, ваги поширюють їхні автори, а не ми.
- DetAny3D
- 1 задача, 0 контрольних точок.
- FCOS3D
- 1 задача, 0 контрольних точок.
- Gemma 4
- Виявлення, 0 контрольних точок.
- GTR
- 6 задач, 22 контрольних точок.
- LeVJEPA
- 1 задача, 1 контрольна точка.
- LibreVLA
- 1 задача, ваги поширюють їхні автори, а не ми.
- Marigold V2
- 3 задач, 9 контрольних точок.
- Molmo2
- 1 задача, 0 контрольних точок.
- Moondream
- 2 задач, 0 контрольних точок.
- Speridlabs Idol
- 1 задача, ваги поширюють їхні автори, а не ми.
- FLUX.2 klein
- 1 задача, ваги поширюють їхні автори, а не ми.
- SANA-Sprint
- 1 задача, ваги поширюють їхні автори, а не ми.
- WeVisOne-VL
- 5 задач, ваги поширюють їхні автори, а не ми.
- TinyFormer
- Виявлення, 11 контрольних точок.
- U-Net
- 1 задача, 1 контрольна точка.
- WildDet3D
- 1 задача, 0 контрольних точок.
Виміряно, а не заявлено
Vision AnalysisКожен показник правильності й затримки в цій документації походить з опублікованого нами запуску, разом із записами про обладнання, середовище виконання та точність обчислень. Наведений нижче графік оновлюється наживо.
Робота з моделлю
- Навчання
- Датасети, аргументи, аугментація, кілька GPU та журнали експериментів.
- Передбачення
- Зображення, папки, відео, вебкамери та потоки RTSP.
- Експорт і розгортання
- Дванадцять цільових форматів із матрицею підтримки для кожного сімейства.
- Командний рядок
- Усі можливості API Python без написання коду Python.
Про ліцензію
Код LibreYOLO має ліцензію MIT. Вона не вимагає відкривати код вашого застосунку, не поширюється на ваги моделі й не змінюється, якщо ви продаєте створене. Попередньо навчені ваги ліцензуються окремо: кожні мають ліцензію того, хто їх навчав, і документація вказує її для кожної контрольної точки, а не зводить усе до узагальненої заяви. Деякі ваги не можна використовувати комерційно, і це зазначено прямо.