Khái niệm cốt lõi

Bốn khái niệm mô tả mọi mô hình trong LibreYOLO: tác vụ nó thực hiện, họ mà nó thuộc về, kích thước trong họ đó và cấp hỗ trợ của họ. Tên file checkpoint mã hóa ba khái niệm đầu.

Schema tên file: Libre<FAMILY><size>[-<task>].pt
Tác vụ chuẩn: 17
Cấp hỗ trợ: Flagship, Core, Supported, Chỉ inference, Museum, Cấp sibling

Tác vụ

Tác vụ là thứ mô hình trả về. LibreYOLO có mười bảy tên tác vụ chuẩn, và mỗi tên tương ứng với trường trên object Results chứa đầu ra của tác vụ đó.

Tác vụ	Trả về
`detect`	Box thẳng trục kèm lớp và độ tin cậy
`segment`	Mask theo instance, một mask cho mỗi object được phát hiện
`semantic`	Một nhãn lớp cho mỗi pixel, không tách instance
`panoptic`	Một nhãn không chồng lấp cho mỗi pixel, kết hợp vật thể đếm được với vùng vô định hình
`pose`	Keypoint theo instance, các hàng căn theo box
`classify`	Xác suất trên một tập nhãn cho toàn ảnh
`obb`	Box có hướng, kèm góc xoay
`point`	Một tọa độ ảnh cho mỗi detection thay vì box
`depth`	Bản đồ độ sâu nghịch đảo tương đối dày đặc
`normal`	Trường vector đơn vị pháp tuyến bề mặt dày đặc
`edge`	Bản đồ xác suất cạnh dày đặc
`restore`	Ảnh RGB được khôi phục để khử nhòe, khử nhiễu hoặc tăng độ phân giải
`matte`	Bản đồ tiền cảnh mềm từ 0 đến 1 để xóa nền
`ocr`	Tứ giác văn bản kèm nội dung nhận dạng, theo thứ tự đọc
`embed`	Vector chuẩn hóa L2 có tích vô hướng đo mức tương đồng
`gaze`	Hướng nhìn cho mỗi khuôn mặt được phát hiện
`mesh`	Cơ thể 3D đã tạo dáng cho mỗi người được phát hiện

Đây là các tên xuất hiện trong metadata checkpoint và tên file. Các alias quen thuộc được chấp nhận ở mọi nơi có thể truyền tác vụ và được chuẩn hóa trước mọi xử lý khác: detection và det thành detect, keypoints thành pose, cls thành classify, deblur, denoise và super-resolution đều thành restore, face-recognition và reid thành embed. Tên không được nhận diện sẽ báo lỗi thay vì âm thầm dùng giá trị mặc định.

segment, semantic và panoptic là ba tác vụ khác nhau, không phải ba cách gọi của một tác vụ. Mask instance, nhãn theo pixel và bản đồ kết hợp thing-plus-stuff có ground truth, metric và trường kết quả khác nhau.

Họ mô hình

Một họ là một dòng kiến trúc có mã nạp, tiền xử lý và hậu xử lý riêng. Mỗi họ khai báo định danh FAMILY như yolo9, rfdetr hoặc dfine, các tác vụ được hỗ trợ và độ phân giải đầu vào cho từng kích thước được phát hành.

LibreYOLO() là factory chứ không phải lớp. Khi nhận đường dẫn, nó nạp file, xác định họ từ metadata checkpoint hoặc nếu không có thì từ chính các khóa tensor, rồi trả về instance mô hình của họ đó. Vì vậy đổi detector chỉ cần thay một dòng: object trả về cung cấp cùng giao diện predict, train, val và export, đồng thời trả về cùng kiểu Results.

Liệt kê các họ

# Tác vụ, kích thước và độ phân giải đầu vào của mọi họ đã đăng ký.libreyolo models

Một mô hình

from libreyolo import LibreYOLO model = LibreYOLO("LibreYOLO9t.pt") print(model.family, model.size, model.task)print(model.input_size)print(model.nb_classes, model.names[0])

Chọn tác vụ

from libreyolo import LibreYOLO # Alias được chuẩn hóa ở biên API: "keypoints" phân giải thành# "pose", "det" thành "detect", "semantic-segmentation" thành "semantic".model = LibreYOLO("LibreYOLO9t.pt", task="det")print(model.task)

Một họ phục vụ nhiều tác vụ thường công bố checkpoint riêng cho từng tác vụ, thường với tập kích thước khác nhau; một số ít dùng chung một artifact cho hai tác vụ runtime. Dù theo cách nào, danh sách tác vụ hỗ trợ vẫn cố định, và yêu cầu tác vụ nằm ngoài danh sách sẽ báo lỗi kèm danh sách hỗ trợ thay vì nạp một phương án gần đúng.

Danh sách đầy đủ cùng benchmark theo họ và trọng số đã công bố nằm tại tất cả mô hình.

Kích thước

Kích thước là một biến thể trong họ, được viết bằng mã chữ thường gắn trực tiếp vào prefix của họ. Các chữ thường gặp là n cho nano, t cho tiny, s cho small, m cho medium, l cho large và x cho xlarge, nhưng mã tùy theo họ và nhiều họ dùng cách hoàn toàn khác: mã theo tên backbone như r50 hoặc r101 khi kích thước là độ sâu ResNet, mã compound scaling như b0 đến b3, hoặc một tên xác định checkpoint duy nhất được phát hành. YOLOv9 dùng c cho compact trong khi các họ khác dùng l.

Kích thước cũng cố định độ phân giải đầu vào, và với các họ có nhiều tác vụ, độ phân giải có thể khác nhau theo tác vụ. Cả hai đều được đọc từ họ, không bao giờ được giả định; libreyolo models in chúng ra.

Tên file checkpoint

Mọi file trọng số được công bố tuân theo một schema:

Libre<FAMILY><size>[-<task>].pt

Prefix họ là chuỗi cố định theo từng họ, kích thước viết thường và gắn liền không có dấu phân cách, còn hậu tố tác vụ có dấu gạch nối phía trước. Detection không có hậu tố theo quy ước lâu đời của checkpoint YOLO, nên LibreYOLO9t.pt là detector và LibreRFDETRn-seg.pt là mô hình segmentation của cùng họ.

Tác vụ	Hậu tố
`detect`
`segment`	`-seg`
`semantic`	`-sem`
`panoptic`	`-panoptic`
`pose`	`-pose`
`classify`	`-cls`
`gaze`	`-gaze`
`obb`	`-obb`
`point`	`-point`
`depth`	`-depth`
`edge`	`-edge`
`normal`	`-normal`
`restore`	`-restore`
`matte`	`-matte`
`ocr`	`-ocr`
`embed`	`-embed`
`mesh`	`-mesh`

Một họ không có tác vụ thiếu hậu tố có thể yêu cầu hậu tố, vì vậy tên không có hậu tố không được chấp nhận là checkpoint hợp lệ của họ. Nếu một họ công bố trọng số được huấn luyện trên dataset khác mặc định, tên dataset được nối thêm làm hậu tố và biến thể đó vẫn thuộc tên repo nơi file được tải xuống.

Ba cấp nằm ngoài schema này. Các họ promptable segmentation, họ vision-language và detector open-vocabulary không được đăng ký vào factory checkpoint và không tạo file Libre<FAMILY><size>.pt. Thay vào đó, prefix của chúng chỉ snapshot Hugging Face đã tải hoặc checkpoint promptable, và cách viết hoa thương hiệu upstream được cố ý giữ nguyên.

Cách xác định tác vụ

Khi nhiều tín hiệu có thể chỉ định tác vụ, chúng được xét theo thứ tự cố định và tín hiệu đầu tiên có mặt sẽ thắng: đối số task bạn truyền, tiếp theo là tác vụ ghi trong metadata checkpoint, hậu tố tác vụ trong tên file, rồi tác vụ mặc định của họ. Kết quả được kiểm tra với các tác vụ họ hỗ trợ trước khi dựng mô hình, nên sự không khớp thất bại lúc nạp thay vì tạo đầu ra sai về sau.

Cấp hỗ trợ

Mỗi họ được xếp vào đúng một cấp. Cấp thể hiện mức độ ưu tiên kỹ thuật, không phải độ chính xác: nó cho biết tính năng mới xuất hiện ở đâu trước và phần nào được duy trì ổn định.

Cấp	Ý nghĩa
Flagship	Tính năng được thiết kế và xác thực GPU đầy đủ tại đây trước
Core	Detector cốt lõi có thể huấn luyện. Tính năng theo sau flagship trong cùng đợt phát hành
Supported	Các họ hỗ trợ có thể huấn luyện. Được duy trì ổn định trong CI, tính năng bổ sung khi thích hợp
Chỉ inference	Predict, validate và export. Tính năng huấn luyện không áp dụng
Museum	Hiện vật đóng băng. Chỉ sửa bug
Cấp sibling	Bề mặt sản phẩm riêng với factory và contract riêng

Mỗi trang mô hình hiển thị cấp của họ ở phần đầu. Hai họ flagship là YOLOv9 cho detector CNN và RF-DETR cho detector transformer; hãy bắt đầu từ đó trừ khi bạn có lý do chọn khác.

Chỉ inference cho biết phần còn thiếu là vòng lặp huấn luyện trong LibreYOLO. Predict, validate và export ở nơi họ hỗ trợ đều hoạt động. Gọi train() trên họ như vậy sẽ phát NotImplementedError kèm lý do.