model-leaderboard

目标检测模型谁最强？排行榜按小大物体直接比。

model-leaderboard 是一个面向目标检测模型的评测排行榜工具，用 TypeScript 编写。它解决的核心问题是：开发者面对众多目标检测模型时，难以快速判断哪个模型在整体或特定场景（如小目标、大目标）下表现最好。项目通过统一评测流程，将不同模型在相同数据集和指标下的检测结果汇总成排行榜，让用户能直观对比精度、速度等关键指标。核心能力包括：按目标尺寸（小/大物体）分类展示模型表现，提供可复现的评测配置，并支持持续添加新模型结果。它适合算法选型、论文复现对比以及工程落地前的基准测试，帮助团队用数据驱动的方式选择最合适的检测模型，而不是依赖零散论文或主观经验。

开源 free 评测安全

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 110

维护状态活跃

是否开源是

定价模式 free

项目数据

分类评测安全

开发团队roboflow

所属国家

官网地址https://leaderboard.roboflow.com

GitHubhttps://github.com/roboflow/model-leaderboard

定价模式free

价格说明免费在线查看模型评测排行榜

访问状态

是否开源是

开源协议MIT

主要语言TypeScript

技术栈/模型

GitHub 星标★ 110

30天Star增速

HF 下载量

上线时间2024-09-03 00:00:00

最近更新2026-09-10 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-20

浏览次数0

使用教程

核心亮点

按小目标和大目标分别排名，能看出模型在不同尺度上的真实强弱
用统一评测流程汇总结果，减少不同论文间指标不可比的问题
TypeScript 实现，前端展示友好，便于集成到网页或内部工具

不足之处

项目处于早期，星标仅110，覆盖的模型和数据集数量有限
缺少详细的评测环境说明和持续更新机制，结果时效性待观察

适用场景

算法工程师为业务场景挑选目标检测模型时快速横向对比
研究人员复现论文时参考同数据集下的模型排名
团队内部搭建模型选型看板，按目标尺寸筛选候选模型

替代项目

paperswithcode、MMDetection、Detectron2

项目介绍

model-leaderboard 是一个评测安全领域的开源项目，官方简介：Which model is the best at object detection? Which is best for small or large objects? We compare the results in a handy leaderboard.。项目使用 TypeScript 开发，在 GitHub 上获得 110 星标。

上一篇：PySODEvalToolkit

下一篇：没有了！