按任务分类的模型

库中的每个系列，由 v1.7.0 模型注册表生成：22 类任务下共 115 个系列。

目标检测

47 个系列

为目标画出边界框，也是这个库最主要的任务。

⭐RF-DETR

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

文档权重
⭐YOLOv9

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

文档权重
D-FINE

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

文档权重
DEIM

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

文档权重
EdgeCrafter

s, m, l, x at 640 px

文档权重
GTR
文档权重
RT-DETR

rtdetr: r18, r34, r50, r50m, r101, l, x at 640 px; rtdetrv2: r18, r34, r50, r50m, r101 at 640 px; rtdetrv4: s, m, l, x at 640 px

文档权重
TinyFormer
文档权重
YOLO-NAS

s, m, l at 640 px

文档权重
Dome-DETR

s, m, l at 800 px

文档权重
PicoDet

s, m, l at 320 to 640 px

文档权重
PP-YOLOE

s, m, l, x at 640 px

文档
RTMDet

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

文档权重
YOLOv7

b at 640 px

文档权重
YOLOX

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

文档权重
Florence-2

base, large at 768 px

文档权重
Gemma 4

e2b, e4b at 896 px

文档权重
Grounding DINO

t, b at 800 px

文档权重
InternVL3

1b, 2b, 8b at 448 px

文档权重
Kosmos-2

224 at 224 px

文档权重
LFM2-VL

450m, 3b at 512 px

文档权重
LibreMODUS
文档权重
LocateAnything

3b at 2500 px

文档权重
Moondream

2, 3 at 384 to 512 px

文档权重
North Micro Vision
文档
OMDet-Turbo

t at 640 px

文档权重
OV-DEIM

s, m, l at 640 px

文档权重
OWLv2

b16, l14 at 960 to 1008 px

文档权重
Qwen3-VL

2b, 4b, 8b at 1024 px

文档权重
SenseNova-Vision

7b at 1024 px

文档权重
SmolVLM2

500m at 512 px

文档权重
WeVisOne-VL

2b, 4b at 1440 px

文档
CenterNet

resdcn18, dla34 at 512 px

文档权重
Deformable DETR

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

文档权重
DETR

r50, r50dc5, r101, r101dc5 at 800 px

文档权重
DINO-DETR

r50, r50s5, swinl at 800 px

文档权重
EfficientDet
文档权重
Faster R-CNN

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

文档权重
FCOS

r50 at 800 px

文档权重
LW-DETR

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

文档权重
Mask R-CNN

r50 at 800 px

文档权重
RetinaNet

r50, r50v2 at 800 px

文档权重
SSD

300 at 300 px

文档权重
YOLOv1

t, b at 448 px

文档权重
YOLOv2

t, b at 416 to 608 px

文档权重
YOLOv3

t, b, spp at 416 to 608 px

文档权重
YOLOv4

t, b at 416 to 608 px

文档权重

实例分割

15 个系列

为每个实例输出掩码，而不只是边界框。

⭐RF-DETR

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

文档权重
D-FINE

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

文档权重
EdgeCrafter

s, m, l, x at 640 px

文档权重
GTR
文档权重
RTMDet

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

文档权重
EdgeTAM
文档权重
MobileSAM

tiny at 1024 px

文档权重
PicoSAM3

pico at 96 px

文档权重
SAM

base, large, huge at 1024 px

文档权重
SAM 2
文档权重
SAM 3

large at 1008 px

文档权重
SenseNova-Vision

7b at 1024 px

文档权重
WeVisOne-VL

2b, 4b at 1440 px

文档
EoMT

s, b, l at 512 px

文档权重
Mask R-CNN

r50 at 800 px

文档权重

关键点

7 个系列

为每个检测到的实例输出骨架和关键点。

⭐RF-DETR

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

文档权重
EdgeCrafter

s, m, l, x at 640 px

文档权重
GTR
文档权重
YOLO-NAS

s, m, l at 640 px

文档权重
SenseNova-Vision

7b at 1024 px

文档权重
DEKR

w32 at 640 px

文档
HRNet
文档权重

图像分类

15 个系列

为整张图像给出一个标签，同时也是其他任务的主干网络。

ConvNeXt

t, s, b at 224 px

文档权重
ConvNeXt V2
文档权重
DINOv2

n, s, m, l at 518 px

文档权重
EfficientNetV2

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

文档权重
MobileNetV4

s, m, l at 224 to 256 px

文档权重
ResNet

18, 34, 50, 101 at 224 px

文档权重
V-JEPA 2

l256, h256, g256, g384 at 256 to 384 px

文档权重
CLIP
文档权重
Perception Encoder
文档权重
SigLIP2
文档权重
AlexNet

b at 224 px

文档权重
Swin Transformer

t, s, b, l at 224 px

文档权重
VGG

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

文档权重
ViT

ti, s, b, l at 224 px

文档权重
DeiT

t, s, b at 224 px

文档权重

旋转框

4 个系列

带角度的边界框，适用于航拍图像等非水平对齐的目标。

⭐RF-DETR

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

文档权重
GTR
文档权重
RT-DETR

rtdetr: r18, r34, r50, r50m, r101, l, x at 640 px; rtdetrv2: r18, r34, r50, r50m, r101 at 640 px; rtdetrv4: s, m, l, x at 640 px

文档权重
YOLO-NAS

s, m, l at 640 px

文档权重

深度估计

8 个系列

从单张图像估计每个像素的距离。

GTR
文档权重
LibreMODUS
文档权重
SenseNova-Vision

7b at 1024 px

文档权重
Depth Anything 3

l at 504 px

文档权重
Depth Anything V2

s, b, l, g at 518 px

文档权重
Marigold V2

b at 1024 px

文档权重
MiDaS

s, l at 256 to 384 px

文档权重
ZipDepth

b, bnpu at 384 px

文档权重

语义分割

10 个系列

为每个像素分配类别，但不区分实例。

GTR
文档权重
DINOv2

n, s, m, l at 518 px

文档权重
LingBot-Vision
文档权重
PP-LiteSeg
文档权重
SegFormer
文档权重
U-Net
文档权重
DeepLabv3
文档权重
EoMT

s, b, l at 512 px

文档权重
FCN

r50, r101 at 520 px

文档权重
PIDNet

s, m, l at 1024 px

文档权重

全景分割

2 个系列

一次前向同时输出语义和实例掩码。

SenseNova-Vision

7b at 1024 px

文档权重
EoMT

s, b, l at 512 px

文档权重

点检测与计数

9 个系列

用中心点代替边界框，轻到可以跑在单片机上。

FOMO
文档权重
Florence-2 grounding

base, large at 768 px

文档权重
LocateAnything

3b at 2500 px

文档权重
Molmo2

4b, 8b at 378 px

文档权重
Moondream

2, 3 at 384 to 512 px

文档权重
Qwen3-VL grounding

2b, 4b, 8b at 1024 px

文档权重
SenseNova-Vision

7b at 1024 px

文档权重
ShowUI

2b at 1344 px

文档
WeVisOne-VL

2b, 4b at 1440 px

文档

文字识别

3 个系列

在图像中定位并读出文字。

SenseNova-Vision

7b at 1024 px

文档权重
WeVisOne-VL

2b, 4b at 1440 px

文档
PP-OCRv5

t, l at 960 px

文档权重

特征向量

7 个系列

用于检索、聚类和相似度搜索的向量。

DINOv2

n, s, m, l at 518 px

文档权重
V-JEPA 2

l256, h256, g256, g384 at 256 to 384 px

文档权重
CLIP
文档权重
Perception Encoder
文档权重
SigLIP2
文档权重
LeVJEPA

l at 224 px

文档权重
LibreFaceRec
文档权重

视线估计

1 个系列

判断人正在看向哪里。

L2CS-Net

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

文档权重

边缘检测

3 个系列

轮廓与边界。

LibreMODUS
文档权重
DexiNed

b at 352 px

文档权重
TEED

t at 352 px

文档权重

表面法线

3 个系列

每个表面朝向哪个方向。

LibreMODUS
文档权重
Marigold V2

b at 1024 px

文档权重
MoGe-2

s, b, l at 518 px

文档权重

抠图

5 个系列

Alpha 通道抠图，连发丝和边缘一起保留。

WeVisOne-VL

2b, 4b at 1440 px

文档
BEN2

b at 1024 px

文档权重
BiRefNet

t, l at 1024 px

文档权重
FeyNobg

l at 1024 px

文档权重
ViTMatte

s at 512 px

文档权重

图像修复

7 个系列

去噪、去模糊和超分辨率。

NAFNet

s, l at 256 px

文档权重
DDColor
文档权重
HVI-CIDNet

t at 256 px

文档权重
LaMa
文档权重
QuickSRNet

m2 at 64 px

文档权重
Real-ESRGAN

x4, x2, x4t at 64 px

文档权重
SwinIR

s, m, l at 64 px

文档权重

三维网格

1 个系列

从图像重建三维几何。

SAM 3D Body

d3, h at 512 px

文档权重
Robot policies

Robot policies

1 个系列

Action chunks from camera observations and robot state.

LibreVLA

smolvla: base at 512 px; act_policy: base at 224 px; diffusion_policy: base at 224 px

文档
Albedo

Albedo

1 个系列

Intrinsic surface color in linear RGB.

Marigold V2

b at 1024 px

文档权重
3D detection

3D detection

4 个系列

Camera-frame cuboids from a single image.

3D-MOOD
文档权重
DetAny3D

h at 896 px

文档权重
FCOS3D

r101 at 1600 px

文档权重
WildDet3D

l at 1008 px

文档权重
Image generation

Image generation

2 个系列

An image from a text prompt, with the seed that makes it again.

FLUX.2 klein

4b at 1024 px

文档权重
SANA-Sprint
文档权重
3D generation

3D generation

1 个系列

The whole object as 3D Gaussian splats, from one picture of it.

Speridlabs Idol
文档权重
全部权重 ↗文档 →