rf-detr

开箱即用的实时检测分割模型,微调后轻松落地

RF-DETR 是 Roboflow 推出的实时目标检测与实例分割模型,基于 DETR 架构,在 COCO 数据集上达到当前最优水平(SOTA),并针对微调场景进行了优化。它解决了传统检测模型(如 YOLO)依赖复杂后处理、训练流程繁琐的问题,采用端到端的 Transformer 架构,简化了训练和部署流程。核心能力包括高精度实时检测、实例分割、以及强大的迁移学习性能,支持快速适配自定义数据集。该项目提供了预训练权重和简洁的 API,适合工业应用和研究使用。

开源 unknown 计算机视觉
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 9566
维护状态 活跃
是否开源
定价模式 unknown

项目数据

分类计算机视觉
开发团队roboflow
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源
开源协议Apache-2.0
主要语言Python
技术栈/模型computer-vision,detr,instance-segmentation,machine-learning,object-detection,rf-detr,sota
GitHub 星标★ 9566
30天Star增速
HF 下载量
上线时间2025-03-19 00:00:00
最近更新2026-09-22 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2026-08-10
浏览次数8

使用教程

难度:入门 约 5 分钟 部署方式:库/依赖 4 步

环境要求

  • Python >= 3.10
  • 可用的 pip 包管理工具
  • 可访问 GitHub 或 PyPI 的网络环境

安装与启动步骤

  1. 1检查 Python 版本

    RF-DETR 要求 Python 3.10 及以上,先确认本机版本符合要求,过低需先升级。

    python --version
  2. 2安装 rfdetr 包

    官方推荐方式,在 Python 环境中用 pip 直接安装已发布的 rfdetr 包。

    pip install rfdetr
  3. 3可选:源码安装

    想体验尚未正式发布的最新功能时,可从 develop 分支的压缩包安装,但稳定性较低。

    pip install https://github.com/roboflow/rf-detr/archive/refs/heads/develop.zip
  4. 4查看运行文档

    README 节选中 Run Models 部分内容不完整,运行与推理方法请查阅官网文档。

如何确认成功

README 未给启动验证命令,可执行 python -c "import rfdetr",无报错说明安装成功。

常见问题

Q:需要哪个 Python 版本?

A:README 要求 Python 3.10 或更高版本,低于该版本无法正常安装使用。

Q:如何安装最新未发布的功能?

A:使用 pip install https://github.com/roboflow/rf-detr/archive/refs/heads/develop.zip 从源码 develop 分支安装,但可能不够稳定。

Q:RF-DETR 支持哪些任务?

A:支持目标检测、实例分割,以及预览状态的关键点检测,三种任务使用统一的 API。

Q:许可证怎么区分?

A:开源 rfdetr 包及 Apache 指定模型为 Apache 2.0;Plus 组件 rfdetr_plus(含 XL/2XL 检测模型)为 PML 1.0。

Q:如何跑推理或训练?

A:README 节选中 Run Models 部分被截断,具体命令请参考官网 https://rfdetr.roboflow.com。

注意事项

  • 必须使用 Python 3.10 及以上环境。
  • 源码安装为开发中版本,可能不如正式发布版稳定。
  • Plus 组件与开源部分许可不同,商用前请确认授权范围。
  • README 节选未包含运行模型的完整命令,请以官网文档为准。

核心亮点

  • COCO 上 SOTA 精度,且保持实时推理速度
  • 端到端架构,无需 NMS 等后处理,训练部署更简单
  • 针对微调优化,小数据集也能快速收敛

不足之处

  • Transformer 架构对显存要求较高,边缘设备部署有挑战
  • 文档/社区待观察

适用场景

  • 工业质检中的实时缺陷检测与分割
  • 安防监控中的目标定位与实例分割
  • 自动驾驶场景下的实时目标识别

替代项目

YOLOv8、DETR、Mask R-CNN

项目介绍

rf-detr 是计算机视觉领域的开源项目,由 roboflow 开发,2025 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(9,566)位列前 6%,在计算机视觉分类的 446 个项目里位列前 6%。

近 44 天,它的 GitHub 星标从 8,914 增加到 9,566,净增 652。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。从国内网络环境看,可直接访问。

它主要面向的使用场景是:工业质检中的实时缺陷检测与分割。同类可对比的替代方案包括 YOLOv8、DETR、Mask R-CNN。

上一篇:frigate

下一篇:sahi

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 4019 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90930 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
DEIMv2 开源

用DINOv3做实时检测,又快又准,直接落地。

[DEIMv2] Real Time Object Detection Meets DINOv3

★ 2046 2026-08-14