•x.com•
1 visualizações
SkalskiP Revela RF-DETR: Modelos de Segmentação em Tempo Real com Apache 2.0
SkalskiP anunciou o RF-DETR, uma família de seis modelos de segmentação em tempo real com licença Apache 2.0. O desempenho vai de 40,3 mAP a 3,4 ms/imagem (Nano) até 49,9 mAP a 21,8 ms/imagem (2XLarge).
O desenvolvedor SkalskiP, conhecido por seu trabalho no ecossistema de código aberto da RoboFlow, anunciou o lançamento do RF-DETR, um conjunto de modelos de segmentação em tempo real. A família inclui seis tamanhos de modelo, com desempenho variando de 40,3 mAP (mean Average Precision) em 3,4 milissegundos por imagem no modelo Nano até 49,9 mAP em 21,8 ms por imagem no modelo 2XLarge. O anúncio foi feito no X (antigo Twitter) e já acumula mais de 138 mil visualizações.
A grande novidade é a licença Apache 2.0, que permite uso comercial, modificação e redistribuição sem custos. Isso representa um avanço para a comunidade de visão computacional, já que modelos de segmentação de alto desempenho são frequentemente limitados a licenças restritivas ou versões de demonstração. Com essa liberação, desenvolvedores e empresas podem integrar RF-DETR em aplicações de análise de imagens, vigilância, carros autônomos e realidade aumentada sem riscos de litígios ou pagamento de royalties.
O RF-DETR baseia-se na arquitetura DETR (Detection Transformer), que elimina a necessidade de âncoras e proposta de regiões tradicionais, simplificando o pipeline de treinamento e inferência. Ao oferecer uma faixa de modelos que vão do extremamente leve (Nano) ao mais pesado e preciso (2XLarge), o RoboFlow atende tanto aplicações que exigem latência ultrabaixa quanto aquelas que priorizam acurácia máxima. O código está disponível no GitHub e pode ser baixado e testado imediatamente pela comunidade.