Mô hình theo tác vụ

Tất cả các họ mô hình mà thư viện cung cấp, sinh ra từ registry mô hình v1.5.0: 82 họ mô hình trên 17 tác vụ.

Phát hiện

40 họ mô hình

Hộp bao quanh các đối tượng. Tác vụ mà phần lớn thư viện được xây dựng để phục vụ.

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

YOLOv7

b 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

FCOS

r50 at 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

SSD

300 at 300 px

YOLOv1

t, b at 448 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

Phân đoạn

13 họ mô hình

Mặt nạ cho từng thực thể thay vì hộp.

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

PicoSAM3

pico at 96 px

SAM

base, large, huge at 1024 px

SAM 3

large at 1008 px

SenseNova-Vision

7b at 1024 px

EoMT

s, b, l at 512 px

Mask R-CNN

r50 at 800 px

Keypoint

5 họ mô hình

Khung xương và điểm mốc trên mỗi thực thể được phát hiện.

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

Phân loại

12 họ mô hình

Một nhãn cho toàn bộ ảnh, và những backbone đứng sau mọi thứ còn lại.

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

AlexNet

b 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

DeiT

t, s, b at 224 px

Hộp xoay

2 họ mô hình

Hộp được xoay, dành cho ảnh chụp từ trên không và mọi thứ không nằm thẳng theo trục.

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

Độ sâu

6 họ mô hình

Khoảng cách theo từng pixel từ một ảnh duy nhất.

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

Phân đoạn ngữ nghĩa

7 họ mô hình

Một lớp đối tượng cho mỗi pixel, không tách riêng từng thực thể.

DINOv2

n, s, m, l at 518 px

EoMT

s, b, l at 512 px

FCN

r50, r101 at 520 px

PIDNet

s, m, l at 1024 px

Phân đoạn toàn cảnh

2 họ mô hình

Mặt nạ ngữ nghĩa và mặt nạ thực thể trong một lượt chạy.

SenseNova-Vision

7b at 1024 px

EoMT

s, b, l at 512 px

Điểm và đếm

3 họ mô hình

Trọng tâm thay vì hộp, đủ nhẹ để chạy trên vi điều khiển.

LocateAnything

3b at 2500 px

SenseNova-Vision

7b at 1024 px

Nhận dạng văn bản

2 họ mô hình

Tìm và đọc văn bản trong ảnh.

SenseNova-Vision

7b at 1024 px

PP-OCRv5

t, l at 960 px

Embedding

4 họ mô hình

Vector cho tìm kiếm, phân cụm và truy xuất.

Hướng nhìn

1 họ mô hình

Người trong ảnh đang nhìn về đâu.

L2CS-Net

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

Phát hiện biên

3 họ mô hình

Đường viền và ranh giới.

DexiNed

b at 352 px

TEED

t at 352 px

Pháp tuyến bề mặt

2 họ mô hình

Mỗi bề mặt hướng về phía nào.

MoGe-2

s, b, l at 518 px

Matting

2 họ mô hình

Tách nền với kênh alpha, cả tóc và các đường biên.

BiRefNet

t, l at 1024 px

FeyNobg

l at 1024 px

Phục hồi ảnh

3 họ mô hình

Khử nhiễu, khử mờ và phóng to.

NAFNet

s, l at 256 px

Real-ESRGAN

x4, x2, x4t at 64 px

SwinIR

s, m, l at 64 px

Lưới 3D

1 họ mô hình

Hình học 3D từ một ảnh.

SAM 3D Body

d3, h at 512 px