Intellindust-AI-Lab/DEIMv2

解決的問題

DEIMv2 解決了對高效能、即時物件偵測的需求，該偵測能夠在不同硬體限制下擴展，從超輕量邊緣裝置到更強大的系統。它旨在於 COCO 等基準測試上提供最先進 (SOTA) 的準確度，同時保持低延遲。

運作方式

DEIMv2 是 DEIM 框架的演進版本，整合了 DINOv3 的特徵。它提供多種模型規模（Atto、Femto、Pico、N、S、M、L 和 X），以平衡速度與準確度。該架構採用不同的主幹網路，包括用於最輕量版本的 HGNetv2，以及用於更大、更準確變體的基於 DINOv3 的 ViT。它採用 HybridEncoder、DEIMTransformer 解碼器和 PostProcessor 來執行偵測。

適用對象

本專案專為建構即時視覺應用程式的 AI 研究人員與開發者設計，特別是針對邊緣部署，且需要在參數數量與推論速度之間取得平衡的情境。

亮點

• 可擴充的模型庫：提供從超輕量 "Atto" 版本（0.5M 參數）到高效能 "X" 版本（50.3M 參數）的廣泛模型規模。
• SOTA 效能：S 型號模型在 COCO 基準測試上達到超過 50 AP。
• 邊緣就緒：支援匯出至 ONNX 和 TensorRT，以在邊緣硬體上進行最佳化部署。
• 廣泛整合：整合至 Intel® Geti™ 和 X-AnyLabeling，以便於微調與標記。