# リアルタイム物体検出

Dfine Small Obj365
Apache-2.0
D-FINEはリアルタイム物体検出モデルで、DETRモデル内のバウンディングボックス回帰タスクを再定義することで、卓越した位置特定精度を実現しています。
物体検出 Transformers 英語
D
ustc-community
1,153
1
Dfine Large Obj365
Apache-2.0
D-FINEは強力なリアルタイム物体検出器で、DETRモデル内のバウンディングボックス回帰タスクを再定義することで卓越した位置特定精度を実現しました。
物体検出 Transformers 英語
D
ustc-community
785
2
Dfine Nano Coco
Apache-2.0
D-FINEは強力なリアルタイム物体検出モデルで、DETRモデルのバウンディングボックス回帰タスクを再定義することで、優れた位置決め精度を実現します。
物体検出 Transformers 英語
D
ustc-community
3,146
6
Dfine Medium Obj2coco
Apache-2.0
D-FINE はリアルタイム物体検出モデルで、バウンディングボックス回帰タスクを再定義することで卓越した位置特定精度を実現しました。
物体検出 Transformers 英語
D
ustc-community
3,610
4
Dfine Large Obj2coco E25
Apache-2.0
D-FINEはリアルタイム物体検出モデルで、DETRモデルのバウンディングボックス回帰タスクを再定義することで卓越した位置特定精度を実現しました。
物体検出 Transformers 英語
D
ustc-community
217
4
Yoloe
YOLOEは効率的で統一されたオープンな物体検出とセグメンテーションモデルで、テキストや視覚入力、プロンプト不要パラダイムなど様々なプロンプトメカニズムをサポートし、リアルタイムの万能視覚認識を実現します。
物体検出
Y
jameslahm
40.34k
32
Dfine Small Coco
Apache-2.0
D-FINE は DETR アーキテクチャを改良したリアルタイム物体検出モデルで、バウンディングボックス回帰タスクを再定義することで卓越した位置特定精度を実現しています。
物体検出 Transformers 英語
D
ustc-community
3,202
12
Rtdetr V2 R101vd
Apache-2.0
RT-DETRv2はDETRアーキテクチャを改良したリアルタイム物体検出モデルで、選択的マルチスケール特徴抽出や動的データ拡張などの革新点により検出性能を最適化しています。
物体検出 Transformers 英語
R
PekingU
1,892
2
Rtdetr V2 R50vd
Apache-2.0
RT-DETRv2は改良されたリアルタイム物体検出Transformerモデルで、選択的多スケール特徴抽出や動的データ拡張などの戦略により性能を向上させています。
物体検出 Transformers 英語
R
PekingU
15.77k
10
Rtdetr V2 R34vd
Apache-2.0
RT-DETRv2はリアルタイム物体検出Transformerモデルの改良版で、マルチスケール特徴抽出と最適化されたトレーニング戦略により性能を向上させています。
物体検出 Transformers 英語
R
PekingU
886
1
Rtdetr V2 R18vd
Apache-2.0
RT-DETRv2はRT-DETRアーキテクチャを最適化したリアルタイム物体検出モデルで、選択的多スケール特徴抽出とトレーニング戦略の改善により、リアルタイム性能を維持しながら検出精度を向上させています。
物体検出 Transformers 英語
R
PekingU
55.24k
1
Yolov11n Face Detection
Apache-2.0
YOLOアーキテクチャに基づく軽量顔検出モデルで、効率的な顔検出のために設計され、WIDERFACEデータセットでトレーニングされています。
物体検出
Y
AdamCodd
28
5
Yolo Roofs
MIT
YOLOv8はUltralyticsが開発した効率的な物体検出モデルで、YOLO(You Only Look Once)アーキテクチャに基づいており、リアルタイム物体検出タスクに適しています。
物体検出 Transformers 英語
Y
Vara971
15
0
Rt Detr Finetuned Cppe 5 3k Steps
Apache-2.0
このモデルはPekingU/rtdetr_r50vd_coco_o365を医療用防護装備データセットcppe-5で微調整した物体検出モデルです
物体検出 Transformers
R
qubvel-hf
13
0
Rtdetr V2 R101vd
Apache-2.0
RT-DETRv2はTransformerアーキテクチャに基づくリアルタイム物体検出モデルで、改良されたベースラインモデルと無料テクニックパックにより性能を向上させています。
物体検出 Transformers
R
apolloparty
25
0
Yolov5
YOLOv5は世界で最も人気のある視覚AIモデルで、Ultralyticsによって開発され、数千時間の研究開発経験を統合し、効率的な物体検出能力を提供します。
物体検出
Y
Ultralytics
1,103
1
RT DETRv2
RT-DETRv2は改良版リアルタイム検出トランスフォーマーで、プラグアンドプレイ最適化スキームを導入することで柔軟性と実用性を向上させ、トレーニング戦略を最適化してより強力な性能を実現しています。
物体検出 Transformers
R
jadechoghari
1,546
2
Yolov9 CoreML
CoreML形式に変換されたYOLOv9モデルで、Apple Neural Engine上で効率的に動作し、物体検出タスクをサポートします。
物体検出
Y
TheCluster
21
5
Yolov8 CoreML
CoreML形式に変換されたYOLOv8モデルで、Appleニューラルエンジン上で動作可能
物体検出
Y
TheCluster
36
5
Rtdetr R101vd Coco O365
Apache-2.0
初のリアルタイムエンドツーエンド物体検出器、Transformerアーキテクチャに基づき、非極大抑制の必要性を排除、速度と精度でYOLOシリーズを凌駕
物体検出 Transformers 英語
R
PekingU
106.81k
7
Rtdetr R101vd
Apache-2.0
RT-DETRは初のリアルタイムエンドツーエンド物体検出器で、ハイブリッドエンコーダとクエリ選択メカニズムにより効率的な検出を実現し、NMS後処理が不要です。
物体検出 Transformers 英語
R
PekingU
1,369
4
Yolov10x
YOLOv10xはYOLOシリーズの最新バージョンで、リアルタイムのエンドツーエンド物体検出に焦点を当て、より高い検出精度とより速い推論速度を提供します。
物体検出
Y
jameslahm
1,145
41
Yolov10l
YOLOv10 はリアルタイムのエンドツーエンド物体検出モデルで、清華大学のチームによって開発され、YOLOシリーズの最新改良版に基づいています。
物体検出
Y
jameslahm
186
3
Yolov10b
YOLOv10は、清華大学チームによって開発されたリアルタイムエンドツーエンド物体検出モデルで、YOLOシリーズの最新改良版です。
物体検出 Safetensors
Y
jameslahm
97
2
Yolov10m
YOLOv10 は清華大学が提案したリアルタイムエンドツーエンド物体検出モデルで、効率的かつ高精度な特徴を持っています。
物体検出
Y
jameslahm
1,003
7
Yolov10s
YOLOv10は清華大学が提案したリアルタイムエンドツーエンド物体検出モデルで、速度と精度の両面で顕著な向上が見られます。
物体検出 Safetensors
Y
jameslahm
907
5
Yolov10n
YOLOv10は清華大学が提案したリアルタイムエンドツーエンド物体検出モデルで、効率的かつ正確な特徴を持っています。
物体検出
Y
jameslahm
3,326
17
Rtdetr R50vd
Apache-2.0
RT-DETRは初のリアルタイムエンドツーエンド物体検出器で、効率的なハイブリッドエンコーダとクエリ選択メカニズムによりYOLOシリーズを超える速度と精度のバランスを実現
物体検出 Transformers 英語
R
PekingU
29.40k
27
Yolov10s
YOLOv10はリアルタイム物体検出モデルで、非極大抑制(NMS)などの後処理ステップを排除することで、効率的で追加コストのない物体検出を実現しています。
物体検出
Y
kadirnar
15
0
Yolov10x
YOLOv10はリアルタイムのエンドツーエンド物体検出モデルで、効率的な推論速度と高い検出精度を備えています。
物体検出 Transformers
Y
onnx-community
23
6
Yolov10n
YOLOv10はリアルタイムのエンドツーエンド物体検出モデルで、効率的なレイテンシーと精度、サイズと精度のトレードオフを備えています。
物体検出 Transformers
Y
onnx-community
21
6
Yolov10m
YOLOv10は清華大学MIG研究所が開発したリアルタイムエンドツーエンド物体検出モデルで、効率的な検出性能と軽量なデプロイ能力を提供します。
物体検出 Transformers
Y
onnx-community
169
5
Yolov10s
YOLOv10は清華大学MIG研究所が開発した高効率なリアルタイム物体検出モデルで、エンドツーエンド検出機能を提供します。
物体検出 Transformers
Y
onnx-community
13
7
Yolov10
YOLOv10は、追加コストなしの効率的なリアルタイム物体検出モデルです。アーキテクチャとトレーニング戦略を最適化することで、リアルタイム性を維持しながら検出精度を向上させています。
物体検出
Y
kadirnar
252
45
Rtdetr R18vd
Apache-2.0
RT-DETRは初のリアルタイムエンドツーエンド物体検出Transformerモデルで、効率的なハイブリッドエンコーダとクエリ選択メカニズムによりNMS不要の効率的な検出を実現
物体検出 Transformers 英語
R
PekingU
11.98k
4
Rtdetr R50vd Coco O365
Apache-2.0
RT-DETRは初のリアルタイムエンドツーエンド物体検出器で、効率的なハイブリッドエンコーダーと不確実性最小化クエリ選択メカニズムにより、COCOデータセットで53.1% AP、108 FPSの性能を達成しました。
物体検出 Transformers 英語
R
PekingU
111.17k
11
Rtdetr R18vd Coco O365
Apache-2.0
初のリアルタイムエンドツーエンド物体検出器、ハイブリッドエンコーダとクエリ選択メカニズムによりNMS不要の効率的な検出を実現
物体検出 Transformers 英語
R
PekingU
952
4
Yolov10b
YOLOv10はリアルタイムエンドツーエンド物体検出モデルで、効率的な検出性能と精度のバランスを提供します。
物体検出 Transformers
Y
onnx-community
14
1
Yolov9 C
Gpl-3.0
YOLOv9-C は YOLOv9 アーキテクチャに基づく物体検出モデルで、画像内の多様な物体をリアルタイムに検出するのに適しています。
物体検出 Transformers
Y
Xenova
82
6
Yolov9 C All
Gpl-3.0
YOLOv9に基づく物体検出モデル、Transformers.jsに対応し、ブラウザ上で動作可能
物体検出 Transformers
Y
Xenova
176
2
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
© 2025AIbase