Dokumentasi LibreYOLO
Satu API Python untuk computer vision: deteksi, segmentasi, pose, kedalaman, OCR, dan lainnya, lengkap dengan pelatihan, validasi, dan ekspor untuk masing-masing task. Kodenya berlisensi MIT, jadi hasil kerja Anda tetap milik Anda.
instalasi
pip install libreyolo- Model
- 122 family, dari model unggulan saat ini hingga detektor bersejarah, di balik satu factory
- Task
- 22, dari deteksi hingga estimasi arah pandang dan rekonstruksi mesh manusia
- Bobot
- 324 checkpoint yang dipublikasikan untuk family yang didokumentasikan di sini, diunduh saat pertama kali digunakan dari huggingface.co/LibreYOLO
- Ekspor
- 12 format, dari ONNX hingga TensorRT, CoreML, TFLite, dan Core AI
- Lisensi
- MIT untuk kode. Bobot menggunakan lisensi upstream masing-masing, yang dicantumkan per checkpoint
Apa yang ingin dilakukan?
Semua task- Deteksi objek di LibreYOLO
- Kotak dan kelas. Task default yang didukung oleh sebagian besar family.
- Segmentasi instance
- Mask per objek, satu mask per deteksi.
- Segmentasi semantik
- Satu kelas untuk setiap piksel, tanpa memisahkan objek.
- Segmentasi panoptik
- Segmentasi semantik dan instance dalam satu output.
- Estimasi pose
- Keypoint per objek, dengan pendekatan top-down atau bottom-up.
- Klasifikasi gambar
- Satu label per gambar, termasuk zero-shot dengan CLIP dan SigLIP2.
- Deteksi berorientasi
- Kotak yang dirotasi, untuk gambar udara dan dokumen.
- Deteksi titik
- Sentroid alih-alih kotak. Untuk penghitungan dan model berukuran sangat kecil.
- Estimasi kedalaman
- Kedalaman per piksel dari satu gambar.
- Pemulihan gambar
- Denoising, deblurring, dan upscaling.
- Penghapusan latar belakang
- Matte alfa untuk potongan gambar.
- OCR
- Deteksi dan pengenalan teks dalam satu proses.
- Pengenalan wajah
- Embedding wajah dan galeri identitas.
- Estimasi pandangan
- Arah pandang seseorang.
- Tracking objek
- Identitas di sepanjang frame video, dengan detektor apa pun.
- Deteksi open-vocabulary
- Deteksi kelas yang ditentukan saat runtime, tanpa pelatihan.
- Segmentasi promptable
- Segmentasikan apa pun yang ditunjuk, dengan SAM dan model sejenis.
Model mana?
Semua modelMulailah dengan model unggulan kecuali ada alasan untuk memilih yang lain. Setiap fitur dirancang dan divalidasi pada GPU terlebih dahulu dengan model tersebut, dan setiap halaman memuat checkpoint, matriks ekspor, serta lisensi untuk family itu.
- RF-DETR
- 4 task, 16 checkpoint.
- YOLOv9
- Deteksi, 9 checkpoint.
- DEIM
- Deteksi, 13 checkpoint.
- D-FINE
- 2 task, 10 checkpoint.
- EdgeCrafter
- 3 task, 24 checkpoint.
- RT-DETR
- 2 task, 21 checkpoint.
- YOLO-NAS
- 3 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- ConvNeXt
- 1 task, 3 checkpoint.
- DINOv2
- 3 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- Dome-DETR
- Deteksi, 6 checkpoint.
- EfficientNetV2
- 1 task, 4 checkpoint.
- FOMO
- 1 task, 3 checkpoint.
- LingBot-Vision
- 1 task, 3 checkpoint.
- MobileNetV4
- 1 task, 3 checkpoint.
- NAFNet
- 1 task, 1 checkpoint.
- PicoDet
- Deteksi, 3 checkpoint.
- ResNet
- 1 task, 4 checkpoint.
- RTMDet
- 2 task, 10 checkpoint.
- SegFormer
- 1 task, 6 checkpoint.
- YOLOv7
- Deteksi, 1 checkpoint.
- YOLOX
- Deteksi, 6 checkpoint.
- AlexNet
- 1 task, 1 checkpoint.
- BiRefNet
- 1 task, 1 checkpoint.
- CenterNet
- Deteksi, 2 checkpoint.
- DeepLabv3
- 1 task, 3 checkpoint.
- Deformable DETR
- Deteksi, 5 checkpoint.
- Depth Anything 3
- 1 task, 1 checkpoint.
- Depth Anything V2
- 1 task, 3 checkpoint.
- DETR
- Deteksi, 4 checkpoint.
- DexiNed
- 1 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- DINO-DETR
- Deteksi, 3 checkpoint.
- EfficientDet
- Deteksi, 5 checkpoint.
- EoMT
- 3 task, 6 checkpoint.
- Faster R-CNN
- Deteksi, 4 checkpoint.
- FCN
- 1 task, 2 checkpoint.
- FCOS
- Deteksi, 1 checkpoint.
- FeyNobg
- 1 task, 3 checkpoint.
- HRNet
- 1 task, 2 checkpoint.
- L2CS-Net
- 1 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- LibreFaceRec
- 1 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- LW-DETR
- Deteksi, 5 checkpoint.
- Mask R-CNN
- 2 task, 1 checkpoint.
- MiDaS
- 1 task, 2 checkpoint.
- MoGe-2
- 1 task, 2 checkpoint.
- PIDNet
- 1 task, 3 checkpoint.
- PP-OCRv5
- 1 task, 2 checkpoint.
- Real-ESRGAN
- 1 task, 3 checkpoint.
- RetinaNet
- Deteksi, 2 checkpoint.
- SAM 3D Body
- 1 task, 0 checkpoint.
- SSD
- Deteksi, 1 checkpoint.
- Swin Transformer
- 1 task, 4 checkpoint.
- SwinIR
- 1 task, 3 checkpoint.
- TEED
- 1 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- VGG
- 1 task, 4 checkpoint.
- ViT
- 1 task, 4 checkpoint.
- ZipDepth
- 1 task, 2 checkpoint.
- DeiT
- 1 task, 3 checkpoint.
- YOLOv1
- Deteksi, 1 checkpoint.
- YOLOv2
- Deteksi, 2 checkpoint.
- YOLOv3
- Deteksi, 3 checkpoint.
- YOLOv4
- Deteksi, 2 checkpoint.
- CLIP
- 2 task, 2 checkpoint.
- EdgeTAM
- 1 task, 0 checkpoint.
- Florence-2
- Deteksi, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- Grounding DINO
- Deteksi, 0 checkpoint.
- InternVL3
- Deteksi, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- Kosmos-2
- Deteksi, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- LFM2-VL
- Deteksi, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- LibreMODUS
- 4 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- LocateAnything
- 2 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- MobileSAM
- 1 task, 1 checkpoint.
- OMDet-Turbo
- Deteksi, 0 checkpoint.
- OV-DEIM
- Deteksi, 0 checkpoint.
- OWLv2
- Deteksi, 0 checkpoint.
- PicoSAM3
- 1 task, 0 checkpoint.
- Qwen3-VL
- Deteksi, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- SAM
- 1 task, 0 checkpoint.
- SAM 2
- 1 task, 0 checkpoint.
- SAM 3
- 1 task, 0 checkpoint.
- SenseNova-Vision
- 7 task, 0 checkpoint.
- SigLIP2
- 2 task, 2 checkpoint.
- SmolVLM2
- Deteksi, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- QuickSRNet
- 1 task, 1 checkpoint.
- Qwen3-VL grounding
- 1 task, 0 checkpoint.
- HVI-CIDNet
- 1 task, 1 checkpoint.
- LaMa
- 1 task, 1 checkpoint.
- North Micro Vision
- Deteksi, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- PE Core
- 2 task, 5 checkpoint.
- PP-LiteSeg
- 1 task, 4 checkpoint.
- ShowUI
- 1 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- V-JEPA 2
- 2 task, 8 checkpoint.
- Florence-2 grounding
- 1 task, 0 checkpoint.
- PP-YOLOE
- Deteksi, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- ViTMatte
- 1 task, 1 checkpoint.
- 3D-MOOD
- 1 task, 2 checkpoint.
- BEN2
- 1 task, 1 checkpoint.
- ConvNeXt V2
- 1 task, 8 checkpoint.
- DDColor
- 1 task, 2 checkpoint.
- DEKR
- 1 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- DetAny3D
- 1 task, 0 checkpoint.
- FCOS3D
- 1 task, 0 checkpoint.
- Gemma 4
- Deteksi, 0 checkpoint.
- GTR
- 6 task, 22 checkpoint.
- LeVJEPA
- 1 task, 1 checkpoint.
- LibreVLA
- 1 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- Marigold V2
- 3 task, 9 checkpoint.
- Molmo2
- 1 task, 0 checkpoint.
- Moondream
- 2 task, 0 checkpoint.
- Speridlabs Idol
- 1 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- FLUX.2 klein
- 1 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- SANA-Sprint
- 1 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- WeVisOne-VL
- 5 task, bobot didistribusikan oleh penulisnya, bukan oleh kami.
- TinyFormer
- Deteksi, 11 checkpoint.
- U-Net
- 1 task, 1 checkpoint.
- WildDet3D
- 1 task, 0 checkpoint.
Diukur, bukan sekadar klaim
Vision AnalysisSetiap angka akurasi dan latensi dalam dokumentasi ini berasal dari pengujian yang kami publikasikan, lengkap dengan hardware, runtime, dan presisi yang dicatat. Bagan di bawah diperbarui langsung.
Bekerja dengan model
- Pelatihan
- Dataset, argumen, augmentasi, multi-GPU, dan pencatat eksperimen.
- Prediksi
- Gambar, folder, video, webcam, dan stream RTSP.
- Ekspor dan deployment
- Dua belas target, dengan matriks dukungan per family.
- Baris perintah
- Semua yang dapat dilakukan API Python, tanpa menulis Python.
Tentang lisensi
Kode LibreYOLO berlisensi MIT. Lisensi ini tidak mewajibkan aplikasi Anda menjadi open source, tidak mencakup bobot model Anda, dan tidak berubah jika hasil kerja Anda dijual. Bobot pretrained terpisah: masing-masing menggunakan lisensi dari pihak yang melatihnya, dan dokumentasi mencantumkannya per checkpoint alih-alih menyederhanakannya menjadi satu klaim. Beberapa bobot hanya boleh digunakan secara nonkomersial, dan status itu dinyatakan dengan jelas.