Моделі за задачами

Усі сімейства, які містить бібліотека, згенеровано з реєстру моделей v1.5.0: 82 сімейства у 17 задачах.

Виявлення

40 сімейств

Рамки навколо об'єктів. Задача, заради якої створено більшу частину бібліотеки.

RF-DETR

n, s, m, l for detection, pose and oriented boxes; n through xx for segmentation

YOLOv9

yolo9: t, s, m, c at 640 px; yolo9_p2: t, s at 640 px

D-FINE

n, s, m, l, x at 640 px

DEIM

deim: n, s, m, l, x at 640 px

EdgeCrafter

s, m, l, x at 640 px

RT-DETR

rtdetr: r18, r34, r50, r50m, r101, l, x at 640 px; rtdetrv2: r18, r34, r50, r50m, r101 for detection at 640 px, n, s, m, l, x for oriented boxes at 1024 px; rtdetrv4: s, m, l, x at 640 px

YOLO-NAS

s, m, l at 640 px

Dome-DETR

s, m, l at 800 px

PicoDet

s, m, l at 320 to 640 px

RTMDet

t, s, m, l, x at 640 px

YOLOX

n, t, s, m, l, x at 416 to 640 px

Florence-2

base, large at 768 px

Grounding DINO

t, b at 800 px

InternVL3

1b, 2b, 8b at 448 px

Kosmos-2

224 at 224 px

LFM2-VL

450m at 512 px

LocateAnything

3b at 2500 px

OMDet-Turbo

t at 640 px

OV-DEIM

s, m, l at 640 px

OWLv2

b16, l14 at 960 to 1008 px

Qwen3-VL

2b, 4b, 8b at 1024 px

SenseNova-Vision

7b at 1024 px

SmolVLM2

500m at 512 px

CenterNet

resdcn18, dla34 at 512 px

Deformable DETR

r50ss, r50ssdc5, r50, r50refine, r50twostage at 800 px

DETR

r50, r50dc5, r101, r101dc5 at 800 px

DINO-DETR

r50, r50s5, swinl at 800 px

Faster R-CNN

n, s, m, l at 320 to 800 px

LW-DETR

t, s, m, l, x at 640 px

Mask R-CNN

r50 at 800 px

RetinaNet

r50, r50v2 at 800 px

YOLOv2

t, b at 416 to 608 px

YOLOv3

t, b, spp at 416 to 608 px

YOLOv4

t, b at 416 to 608 px

Сегментація

13 сімейств

Маски для кожного екземпляра замість рамок.

RF-DETR

n, s, m, l for detection, pose and oriented boxes; n through xx for segmentation

D-FINE

n, s, m, l, x at 640 px

EdgeCrafter

s, m, l, x at 640 px

RTMDet

t, s, m, l, x at 640 px

MobileSAM

tiny at 1024 px

SAM

base, large, huge at 1024 px

SAM 3

large at 1008 px

SenseNova-Vision

7b at 1024 px

Mask R-CNN

r50 at 800 px

Ключові точки

5 сімейств

Скелети та орієнтири на кожному виявленому екземплярі.

RF-DETR

n, s, m, l for detection, pose and oriented boxes; n through xx for segmentation

EdgeCrafter

s, m, l, x at 640 px

YOLO-NAS

s, m, l at 640 px

SenseNova-Vision

7b at 1024 px

Класифікація

12 сімейств

Одна мітка для всього зображення, і бекбони, на яких тримається все інше.

ConvNeXt

t, s, b at 224 px

DINOv2

n, s, m, l at 518 px

EfficientNetV2

b0, b1, b2, b3 at 224 to 300 px

MobileNetV4

s, m, l at 224 to 256 px

ResNet

18, 34, 50, 101 at 224 px

Swin Transformer

t, s, b, l at 224 px

VGG

16, 19, 16bn, 19bn at 224 px

ViT

ti, s, b, l at 224 px

Орієнтовані рамки

2 сімейства

Повернуті рамки, для аерознімків і всього, що не вирівняне за осями.

RF-DETR

n, s, m, l for detection, pose and oriented boxes; n through xx for segmentation

RT-DETR

rtdetr: r18, r34, r50, r50m, r101, l, x at 640 px; rtdetrv2: r18, r34, r50, r50m, r101 for detection at 640 px, n, s, m, l, x for oriented boxes at 1024 px; rtdetrv4: s, m, l, x at 640 px

Глибина

6 сімейств

Відстань для кожного пікселя з одного зображення.

SenseNova-Vision

7b at 1024 px

Depth Anything 3

l at 504 px

Depth Anything V2

s, b, l, g at 518 px

MiDaS

s, l at 256 to 384 px

ZipDepth

b, bnpu at 384 px

Семантична сегментація

7 сімейств

Клас для кожного пікселя, без розділення на екземпляри.

Паноптична сегментація

2 сімейства

Семантичні маски та маски екземплярів за один прохід.

SenseNova-Vision

7b at 1024 px

Точки та підрахунок

3 сімейства

Центроїди замість рамок, достатньо дешево для мікроконтролерів.

Розпізнавання тексту

2 сімейства

Пошук і читання тексту на зображенні.

SenseNova-Vision

7b at 1024 px

PP-OCRv5

t, l at 960 px

Ембединги

4 сімейства

Вектори для пошуку, кластеризації та вибірки схожого.

Погляд

1 сімейство

Куди дивиться людина.

L2CS-Net

r18, r34, r50, r101, r152 at 448 px

Виявлення країв

3 сімейства

Контури та межі.

Нормалі до поверхні

2 сімейства

Куди спрямована кожна поверхня.

Matting

2 сімейства

Вирізи з альфа-каналом, разом із волоссям і краями.

Відновлення

3 сімейства

Прибирання шуму, усунення розмиття та збільшення роздільної здатності.

Real-ESRGAN

x4, x2, x4t at 64 px

SwinIR

s, m, l at 64 px

Полігональна сітка

1 сімейство

3D-геометрія з одного зображення.

SAM 3D Body

d3, h at 512 px