منصوبے کے بارے میں

RF-DETR ایک ریئل ٹائم ٹرانسفارمر آرکیٹیکچر ہے جو آبجیکٹ ڈیٹیکشن، انسٹنس سیگمنٹیشن اور کی پوائنٹ ڈیٹیکشن (پریویو) کے لیے ہے، جسے روبو فلو نے تیار کیا ہے۔ یہ DINOv2 وژن ٹرانسفارمر بیک بون پر مبنی ہے اور ICLR 2026 پیپر (arXiv:2511.09554) کے طور پر شائع ہوا ہے۔ یہ پروجیکٹ اوپن سورس `rfdetr` پائتھن پیکیج (Python >= 3.10، `pip install rfdetr` کے ذریعے انسٹال کیا جا سکتا ہے) کے طور پر تقسیم کیا گیا ہے، جس میں کور پیکیج کے لیے Apache 2.0 لائسنس اور Apache نامزد ماڈل وزن شامل ہیں۔ بڑے پلس اجزاء (`rfdetr_plus`، بشمول RF-DETR-XL اور RF-DETR-2XL ڈیٹیکشن ماڈل) PML 1.0 کے تحت لائسنس یافتہ ہیں۔ ماڈل فیملی کئی سائز میں پیش کی جاتی ہے، نینو سے 2XLarge تک، ہر ایک کے ساتھ مختلف ان پٹ ریزولوشن اور پیرامیٹر شمار ہوتا ہے۔ ڈیٹیکشن ویریئنٹس (RFDETRNano سے RFDETR2XLarge تک) COCO AP50 اقدار رپورٹ کرتے ہیں جو 67.6 (Nano، 384x384، 30.5M پیرامیٹرز، NVIDIA T4 پر TensorRT FP16 کے ساتھ 2.3 ms لیٹنسی) سے 78.5 (2XL، 880x880، 126.9M پیرامیٹرز، 17.2 ms) تک ہیں۔ انسٹنس سیگمنٹیشن ویریئنٹس (RFDETRSegNano سے RFDETRSeg2XLarge تک) COCO AP50 63.0 سے 73.1 تک رپورٹ کرتے ہیں جس میں لیٹنسی 3.4 ms سے 21.8 ms تک ہے۔ ایک کی پوائنٹ ڈیٹیکشن پریویو ماڈل (RFDETRKeypointPreview) COCO پرسن کی پوائنٹس پر پری ٹرینڈ ہے اور 9.7 ms لیٹنسی پر AP50:95 کی 71.8 رپورٹ کرتا ہے۔ README میں تمام بینچ مارکس گھر میں pycocotools کا استعمال کرتے ہوئے سنگل آرٹیفیکٹ بینچ مارکنگ (SAB) میں مکمل 5,000 تصویری COCO val2017 اسپلٹ پر ناپے گئے ہیں، جس میں لیٹنسی NVIDIA T4 پر TensorRT، FP16 اور بیچ سائز 1 کے ساتھ ناپی گئی ہے۔ README RF-DETR کا موازنہ YOLO11، YOLO26، LW-DETR، D-FINE اور SAM 3 سے COCO اور RF100-VL ڈیٹاسیٹ دونوں پر کرتا ہے، اور نوٹ کرتا ہے کہ شائع شدہ RF-DETR سائز نیورل آرکیٹیکچر سرچ (NAS) کے ساتھ بنائے گئے تھے۔ یہی NAS طریقہ روبو فلو پلیٹ فارم پر دستیاب ہے، جہاں ایک ہی ٹریننگ رن ہر ماڈل سائز پیدا کرتا ہے۔ استعمال سیدھا ہے: `rfdetr` سے ماڈل کلاس درآمد کریں، `model.predict(image, threshold=...)` کال کریں، اور `supervision` لائبریری کے ساتھ مطابقت رکھنے والے ڈیٹیکشنز حاصل کریں۔ ماڈلز کو `inference` لائبریری کے ذریعے بھی چلایا جا سکتا ہے جیسے `rfdetr-medium` یا `rfdetr-seg-medium` عرفی ناموں سے۔ ڈیٹیکشن، سیگمنٹیشن اور کی پوائنٹ ڈیٹیکشن کے لیے فائن ٹیوننگ سپورٹ ہے، جس میں Google Colab نوٹ بک اور ویڈیو ٹیوٹوریل فراہم کیا گیا ہے، اور ٹریننگ براہ راست روبو فلو پلیٹ فارم پر بھی کی جا سکتی ہے۔ پروجیکٹ میں rfdetr.roboflow.com پر دستاویزات کی سائٹ، Hugging Face Space ڈیمو اور Discord کمیونٹی شامل ہے۔ آرکیٹیکچر پچھلے کاموں پر مبنی ہے جن میں LW-DETR، DINOv2 اور Deformable DETR شامل ہیں۔