rf-detr

开箱即用的实时检测分割模型,微调后轻松落地

开源 🏷️定价信息待确认 ✅ 目前可打开 计算机视觉 🍴 复刻 1264 🐛 待处理 77 👀 关注 73
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 10000
维护状态 活跃
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

rf-detr 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类计算机视觉
开发团队roboflow
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态✅ 目前可打开
是否开源是
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★ 10000
上线时间2025-03-19 00:00:00
代码更新2026-11-06
仓库体积163.9 MB
本站数据更新2026-11-08
维护状态活跃
收录时间2026-08-10
浏览次数9

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 10000

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

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

上一篇:frigate

下一篇:sahi

同类项目推荐

particle-life 开源

拖拽调参,让粒子自己长成生命图案

A simple program to simulate artificial life using attraction/reuplsion forces betwe···

★ 3366 2026-08-09
ComfyUI-MiniCPM 开源

在 ComfyUI 里直接调用 MiniCPM,给图像自动生成描述

A custom ComfyUI node for MiniCPM vision-language models, supporting v4, v4.5, and v···

★ 156 2026-08-09
vxl 开源

老牌 C++ 视觉库,做几何与图像底层计算

A multi-platform collection of C++ software libraries for Computer Vision and Image ···

★ 261 2026-09-18
docslight 开源

上传任意文档,自动解析成结构化数据

With DocSlight, precisely parse and extract data from any document, including PDFs, ···

★ 137 2026-10-18
locate-anything 开源

一句话框出图中任意物体,本地GPU一键跑

Sleek, mobile-friendly web UI for NVIDIA LocateAnything-3B — open-vocabulary object···

★ 170 2026-09-20
yolo-inference 开源

一套代码跑通十余代 YOLO 推理

C++ and Python implementations of YOLOv3, YOLOv4, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YO···

★ 213 2026-11-08
kraken 开源

多语言古籍手写文本,一键转成可编辑文字

OCR engine for all the languages

★ 1102 2026-09-19
mlkit 开源

照着跑通 Google 官方 ML Kit 示例,快速集成视觉和 NLP 能力

A collection of sample apps to demonstrate how to use Google's ML Kit APIs on Androi···

★ 4309 2026-08-10
PPOCRLabel 开源

内置OCR预识别,拉框改字就能产出训练数据

PPOCRLabelv3 is a semi-automatic graphic annotation tool suitable for OCR field, wit···

★ 459 2026-09-19