roboflow/rf-detr

RF‑DETR는 무엇인가요?

RF‑DETR(Real‑Time DETR)는 Roboflow에서 개발한 오픈소스 컴퓨터 비전 모델 패밀리입니다. 트랜스포머 기반 백본(DINOv2 비전 트랜스포머)을 사용하여 객체 탐지, 인스턴스 세그멘테이션, 그리고 현재 프리뷰 중인 키포인트 탐지를 수행합니다. 전통적인 DETR 스타일 모델의 실시간 대안으로 위치지어져 있으며, Microsoft COCO 및 Roboflow 전용 RF100‑VL 데이터셋과 같은 표준 벤치마크에서 뛰어난 정확도-지연 시간 트레이드오프를 제공합니다.

---

주요 기능 (README에 기술됨)

기능	세부 정보
통합 API	하나의 Python 패키지(rfdetr)를 통해 RFDETRMedium와 같은 단일 클래스 이름으로 탐지, 세그멘테이션, 키포인트 모델을 로드할 수 있습니다.
다양한 크기	6가지 모델 패밀리가 제공됩니다: Nano, Small, Medium, Large(Apache‑2.0 라이선스) 및 XL / 2XL(rfdetr_plus 확장 기능을 통해 PML 1.0 라이선스 하에 제공).
백본	모든 모델은 최신 기술의 고정된 인코더인 DINOv2 비전 트랜스포머 백본을 공유합니다.
실시간 성능	NVIDIA T4(TensorRT, FP16, 배치 크기 1)에서 지연 시간을 측정했습니다. 최소 모델은 이미지당 약 2 ms, 최대 모델은 20 ms 미만으로 작동하여 엣지 또는 저지연 배포에 적합합니다.
벤치마크	README에는 YOLO 11/26, LW‑DETR, D‑FINE, SAM 3과의 비교를 포함한 COCO AP‑50, AP‑50:95, RF100‑VL 점수, 지연 시간, 파라미터 수, 해상도에 대한 광범위한 표가 포함되어 있습니다. RF‑DETR는 유사한 지연 시간에서 제시된 경쟁 제품들을 일관되게 능가합니다.
NAS 지원	아키텍처는 신경망 아키텍처 탐색(NAS)을 통해 발견되었습니다. 동일한 NAS 파이프라인은 Roboflow 플랫폼에서 공개되어 있어 사용자가 자신의 데이터셋에 맞는 맞춤형 모델을 탐색할 수 있습니다.
설치	pip install rfdetr(Python ≥ 3.10). 개발 빌드는 GitHub URL을 직접 사용해 설치 가능합니다. "plus" 모델은 pip install rfdetr[plus] 필요합니다.
데모 및 문서	Hugging Face Space, Colab 노트북, 블로그 게시물, Discord 커뮤니티 링크를 제공하여 즉시 실습 가능합니다.
라이선스	코어 모델은 Apache 2.0; 더 큰 XL/2XL 모델은 Roboflow 전용 PML 1.0 라이선스 하에 제공됩니다.

---

사용 방법 (README에서의 간단한 예제)

import supervision as sv
from rfdetr import RFDETRMedium
from rfdetr.assets.coco_classes import COCO_CLASSES

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

# 인간이 읽기 쉬운 레이블 (COCO 사전학습)
labels = [COCO_CLASSES[i] for i in preds.class_id]

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

같은 패턴은 세그멘테이션(RFDETRSegMedium) 및 키포인트 모델(프리뷰)에도 적용 가능합니다. 대안 추론 라이브러리 인터페이스(inference.get_model("rfdetr-medium"))도 제공됩니다.

---

누구에게 유용할까?

• 개발자: 중간 수준 GPU에서도 실시간으로 작동하는 즉시 사용 가능한 트랜스포머 기반 탐지기/세그멘테이터가 필요한 사람.
• 연구자: COCO 스타일 지표에서 트랜스포머 DETR 스타일 모델과 YOLO 패밀리를 비교하고 싶은 사람.
• Roboflow 플랫폼 사용자: 자신의 데이터셋에 맞는 아키텍처를 자동 튜닝하기 위해 내장된 NAS를 활용하고 싶은 사람.

---

더 많은 정보 찾기

• 논문: arXiv 2511.09554 (버튼에 링크됨).
• GitHub: 지금 읽고 있는 리포지토리 (rfdetr 패키지, 모델 체크포인트, 벤치마크 스크립트 포함).
• Hugging Face Space 및 Colab 노트북을 통한 인터랙티브 데모.
• Roboflow 블로그 게시물 및 Discord를 통한 커뮤니티 지원.

---

위의 모든 진술은 리포지토리의 README에서 직접 인용되었으며, 추가 기능은 추측되지 않았습니다.