-
Notifications
You must be signed in to change notification settings - Fork 0
Models Web object detection
Mike edited this page May 28, 2026
·
1 revision
Режим: Web. Категория: Object detection / детекция объектов.
Всего моделей: 9.
| Поле | Значение |
|---|---|
| Название | Xenova/detr-resnet-50-panoptic |
| Label | detr resnet 50 panoptic |
| Категория | Object detection / детекция объектов |
| Runtime/backend | transformers |
| Вес | 0.18 GB catalog size, ~180 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 180 MB; memory/VRAM около 256 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 768 MB+ свободной VRAM/RAM и 692 MB+ disk cache |
| HF link | Xenova/detr-resnet-50-panoptic |
| Доступные quantizations | auto |
| Краткое описание | known browser-ready provider |
| Best in | поиск объектов и bbox в изображениях |
| Поле | Значение |
|---|---|
| Название | onnx-community/rfdetr_base-ONNX |
| Label | rfdetr base |
| Категория | Object detection / детекция объектов |
| Runtime/backend | transformers |
| Вес | 0.18 GB catalog size, ~180 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 180 MB; memory/VRAM около 256 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 768 MB+ свободной VRAM/RAM и 692 MB+ disk cache |
| HF link | onnx-community/rfdetr_base-ONNX |
| Доступные quantizations | auto |
| Краткое описание | known browser-ready provider |
| Best in | поиск объектов и bbox в изображениях |
| Поле | Значение |
|---|---|
| Название | onnx-community/rtdetr_r18vd |
| Label | rtdetr r18vd |
| Категория | Object detection / детекция объектов |
| Runtime/backend | transformers |
| Вес | 0.18 GB catalog size, ~180 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 180 MB; memory/VRAM около 256 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 768 MB+ свободной VRAM/RAM и 692 MB+ disk cache |
| HF link | onnx-community/rtdetr_r18vd |
| Доступные quantizations | auto |
| Краткое описание | known browser-ready provider |
| Best in | поиск объектов и bbox в изображениях |
| Поле | Значение |
|---|---|
| Название | onnx-community/rtdetr_r50vd_coco_o365 |
| Label | rtdetr r50vd coco o365 |
| Категория | Object detection / детекция объектов |
| Runtime/backend | transformers |
| Вес | 0.18 GB catalog size, ~180 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 180 MB; memory/VRAM около 256 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 768 MB+ свободной VRAM/RAM и 692 MB+ disk cache |
| HF link | onnx-community/rtdetr_r50vd_coco_o365 |
| Доступные quantizations | auto |
| Краткое описание | known browser-ready provider |
| Best in | поиск объектов и bbox в изображениях |
| Поле | Значение |
|---|---|
| Название | onnx-community/rtdetr_v2_r18vd-ONNX |
| Label | rtdetr v2 r18vd |
| Категория | Object detection / детекция объектов |
| Runtime/backend | transformers |
| Вес | 0.18 GB catalog size, ~180 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 180 MB; memory/VRAM около 256 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 768 MB+ свободной VRAM/RAM и 692 MB+ disk cache |
| HF link | onnx-community/rtdetr_v2_r18vd-ONNX |
| Доступные quantizations | auto |
| Краткое описание | known browser-ready provider |
| Best in | поиск объектов и bbox в изображениях |
| Поле | Значение |
|---|---|
| Название | kurnie/yolo-realtime |
| Label | yolo realtime |
| Категория | Object detection / детекция объектов |
| Runtime/backend | transformers |
| Вес | 0.18 GB catalog size, ~180 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 180 MB; memory/VRAM около 256 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 768 MB+ свободной VRAM/RAM и 692 MB+ disk cache |
| HF link | kurnie/yolo-realtime |
| Доступные quantizations | auto |
| Краткое описание | ONNX/WebGPU artifact marker |
| Best in | поиск объектов и bbox в изображениях |
| Поле | Значение |
|---|---|
| Название | Oblix/yolov10m-doclaynet_ONNX_document-layout-analysis |
| Label | yolov10m doclaynet |
| Категория | Object detection / детекция объектов |
| Runtime/backend | transformers |
| Вес | 0.18 GB catalog size, ~180 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 180 MB; memory/VRAM около 256 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 768 MB+ свободной VRAM/RAM и 692 MB+ disk cache |
| HF link | Oblix/yolov10m-doclaynet_ONNX_document-layout-analysis |
| Доступные quantizations | auto |
| Краткое описание | ONNX/WebGPU artifact marker |
| Best in | поиск объектов и bbox в изображениях |
| Поле | Значение |
|---|---|
| Название | Xenova/yolos-tiny |
| Label | YOLOS tiny |
| Категория | Object detection / детекция объектов |
| Runtime/backend | transformers |
| Вес | 0.11 GB catalog size, ~110 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 110 MB; memory/VRAM около 350 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 862 MB+ свободной VRAM/RAM и 622 MB+ disk cache |
| HF link | Xenova/yolos-tiny |
| Доступные quantizations | q8 |
| Краткое описание | Catalog entry for Object detection / детекция объектов. |
| Best in | поиск объектов и bbox в изображениях |
| Поле | Значение |
|---|---|
| Название | Xenova/detr-resnet-50 |
| Label | DETR ResNet 50 |
| Категория | Object detection / детекция объектов |
| Runtime/backend | transformers |
| Вес | 0.17 GB catalog size, ~170 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | medium - рабочая станция или заметный GPU; disk >= 170 MB; memory/VRAM около 900 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 1412 MB+ свободной VRAM/RAM и 682 MB+ disk cache |
| HF link | Xenova/detr-resnet-50 |
| Доступные quantizations | q8 |
| Краткое описание | Catalog entry for Object detection / детекция объектов. |
| Best in | поиск объектов и bbox в изображениях |
- xlocllm
- Quickstart
- About
- Functions Python
- Functions TypeScript
- Use cases
- Examples Python
- Examples TypeScript
- Shared GPU mode
-
Models catalog
- Models The best
- Models Full model list
- Models Use your model
- For native mode
- Models Native LLM tiny small
- Models Native LLM medium
- Models Native LLM large
- Models Native embedding
- Models Native reranker
- Models Native translator
- Models Native tts
- Models Native vlm
- Models Native asr
- Models Native ocr
- Models Native image-classification
- Models Native object-detection
- Models Native image-segmentation
- Models Native depth-estimation
- Models Native document-layout
- Models Native table-detection
- Models Native document-qa
- Models Native language-id
- Models Native audio-classification
- Models Native text-classification
- Models Native ner
- Models Native zero-shot-text
- Models Native summarization
- Models Native text2text
- Models Native code
- For webgpu mode
- For web mode
- Models Web LLM
- Models Web embedding
- Models Web reranker
- Models Web translator
- Models Web tts
- Models Web vlm
- Models Web asr
- Models Web ocr
- Models Web image-classification
- Models Web object-detection
- Models Web image-segmentation
- Models Web depth-estimation
- Models Web document-layout
- Models Web table-detection
- Models Web document-qa
- Models Web zero-shot-image
- Models Web language-id
- Models Web audio-classification
- Models Web text-classification
- Models Web ner
- Models Web zero-shot-text
- Models Web summarization
- Models Web text2text
- Models Web code
- Dev