roboflow/rf-detr

RF‑DETR는 무엇인가요?

RF‑DETR (Real‑Time DEtection TRansformer)는 세 가지 핵심 작업을 위한 트랜스포머 기반 모델의 가족을 제공하는 오픈소스 컴퓨터비전 라이브러리입니다.

• 객체 탐지 – 이미지 내 객체의 위치를 찾아 레이블링합니다.
• 인스턴스 세그멘테이션 – 탐지된 각 객체에 대해 픽셀 단위 마스크를 생성합니다.
• 키포인트 탐지 – 신체 자세 스타일의 점을 예측합니다 (현재 미리보기 기능).

이 모든 기능은 단일하고 일관된 Python API를 통해 제공됩니다. 모델은 DINOv2 비전 트랜스포머 백본 ("PE‑Core‑T" 가족) 위에 구축되었으며, 신경망 아키텍처 탐색(NAS)을 통해 실시간 사용에 적합한 뛰어난 정확도-지연 시간 균형을 달성했습니다.

---

왜 중요한가요

• 최첨단 성능 – 표준 COCO 벤치마크에서 가장 큰 RF‑DETR‑L 모델은 75.1 % AP₅₀와 56.5 % AP (IoU 임계값 범위에서의 평균 정밀도)를 달성하며, 가장 작은 "Atto" 버전은 NVIDIA T4에서 ~1 ms 내에 실행됩니다. 이는 YOLO 스타일 탐지기와 동일한 속도 수준이지만 더 높은 정확도를 제공합니다.
• 통합 API – 하나의 모델 클래스로 탐지, 세그멘테이션, 또는 (미리보기) 자세 추정을 모두 수행할 수 있어, 여러 비전 작업이 필요한 코드베이스를 단순화합니다.
• 확장 가능한 모델 저자 – 모델 크기는 Nano (30 M 파라미터)에서 2XL (약 127 M 파라미터)까지 다양하여 하드웨어 예산에 맞는 모델을 선택할 수 있습니다.
• 오픈소스 및 확장 가능 – 핵심 rfdetr 패키지는 Apache 2.0 라이선스 하에 배포됩니다. 더 큰 "Plus" 모델은 허용성 있는 PML 1.0 라이선스 하에 제공됩니다.
• Roboflow 플랫폼에서의 NAS – 논문 모델을 생성하는 데 사용된 동일한 NAS 파이프라인을 서비스로 제공하여, 자신의 데이터셋에 가장 적합한 커스텀 아키텍처를 자동으로 탐색할 수 있습니다.

---

몇 줄의 코드로 시작하기

import supervision as sv
from rfdetr import RFDETRMedium          # 크기 선택: Atto, Nano, Small, …
from rfdetr.assets.coco_classes import COCO_CLASSES

model = RFDETRMedium()                  # 사전 학습된 COCO 가중치 로드

# 이미지 URL에서 추론 실행
preds = model.predict("https://media.roboflow.com/dog.jpg", threshold=0.5)

# 인간이 읽을 수 있는 레이블 (COCO 클래스 이름)
labels = [COCO_CLASSES[i] for i in preds.class_id]

# 결과 시각화
annotated = sv.BoxAnnotator().annotate(preds.metadata["source_image"], preds)
annotated = sv.LabelAnnotator().annotate(annotated, preds, labels)

더 높은 수준의 래퍼를 선호한다면, Inference 라이브러리(get_model("rfdetr-medium"))를 통해 동일한 모델을 사용할 수 있습니다.

---

요약 벤치마크

모델	COCO AP₅₀	COCO AP (50:95)	지연 시간 (ms, T4, FP16)	파라미터 (M)	라이선스
RF‑DETR‑Atto (미리보기)	49.4	30.5	1.0	7.4	PML 1.0
RF‑DETR‑Nano	67.6	48.4	2.3	30.5	Apache 2.0
RF‑DETR‑Medium	73.6	54.7	4.4	33.7	Apache 2.0
RF‑DETR‑Large	75.1	56.5	6.8	33.9	Apache 2.0
RF‑DETR‑2XL (미리보기)	78.5	60.1	17.2	126.9	PML 1.0

지연 시간 수치는 TensorRT (FP16, 배치 크기 1)를 사용한 NVIDIA T4 GPU에서 측정되었습니다.

---

더 많은 정보 찾기

• 패키지 – pip install rfdetr로 설치 가능 (Python ≥ 3.10).
• 소스 코드 및 릴리스 – https://github.com/roboflow/rf-detr
• 논문 – arXiv: 2511.09554 (배지에서 링크됨).
• 라이브 데모 – Hugging Face Space: https://huggingface.co/spaces/SkalskiP/RF-DETR
• Colab 노트북 – 자신의 데이터로 미세 조정: https://colab.research.google.com/github/roboflow-ai/notebooks/...
• Roboflow 블로그 포스트 – 개요 및 학습 팁: https://blog.roboflow.com/rf-detr
• Discord 커뮤니티 – https://discord.gg/GbfgXGJ8Bk

---

TL;DR

RF‑DETR는 다양한 모델 크기에서 고정확도 탐지, 세그멘테이션, (미리보기) 자세 추정을 제공하는 실시간 트랜스포머 기반 비전 라이브러리입니다. rfdetr 패키지로 pip 설치 가능하며, Apache 라이선스를 가진 체크포인트를 제공하며, Roboflow 플랫폼에서 커스텀 NAS 기반 모델 탐색 도구를 포함합니다.