zero-shot-od

מה זה

אתם מעלים תמונה אחת, כותבים בתיבת הטקסט מה לחפש, ולוחצים על כפתור הזיהוי. אפשר להגדיר סף ביטחון שונה לכל מודל באמצעות סליידרים ייעודיים שנמצאים בממשק. מתחת לתמונה מופיעות דוגמאות מובנות שאפשר להריץ מיד בלי להעלות קובץ משלכם.

בתגובה מקבלים ארבע תמונות נפרדות עם סימוני אובייקטים, לצד זמן הריצה שנמדד בשניות עבור כל עיבוד. המערכת מריצה במקביל את OWLv2 של גוגל, את LLMDet בגרסת tiny, את Grounding DINO של OpenMMLab, ואת OMDet Turbo. כולם מודלים מסוג zero shot שמזהים עצמים שלא אומנו עליהם מראש לפי הנחיית טקסט.

מתאים ל

• השוואת ביצועי מודלים

  בדיקת אותה התמונה מול ארבעה מנועי זיהוי כדי להחליט איזה מודל מתאים לפיתוח מערכת ראייה ממוחשבת.

• איתור עצמים לפי טקסט חופשי

  זיהוי וסימון אובייקטים נדירים או מותאמים אישית שלא מוגדרים מראש בקטגוריות של מאגרי אימון סגורים.

• כיול ספי ביטחון

  התאמת רגישות הזיהוי של כל מודל באמצעות הסליידרים כדי לראות איך סף ההחלטה משפיע על כמות הזיהויים השגויים.

איפה זה נופל

הכלי מיועד להשוואה חזותית בלבד ואינו מספק ציוני דיוק סטטיסטיים או מדדי mAP. ערכי הסף ברירת המחדל שונים בין המודלים, למשל 0.1 ב־OWLv2 לעומת 0.3 באחרים, מה שמקשה על השוואה הוגנת בלי כיול ידני. מודלי ה־tiny שנבחרו כאן מיועדים למהירות ולא בהכרח מייצגים את היכולת המלאה של הגרסאות הגדולות של אותן משפחות מודלים.

איך משתמשים

גוררים תמונה, מקלידים מונחי חיפוש ולוחצים על Detect. הממשק מבוסס Gradio ורץ על מעבד גרפי A10G שמוקצה לפי דרישה. העיבוד מתבצע עבור ארבעה מודלים שונים ברצף או במקביל, כך שלוקח מספר שניות לראות את כל התוצאות על המסך. אין צורך לפתוח חשבון, אבל בעומס ייתכן שתמתינו בתור למשאבי חומרה פנויים.

הרישיון

הרישיון לא דווח בקוד או בהגדרות המאגר. המשמעות היא שאין הרשאה ברורה לשימוש מסחרי בקוד האפליקציה עצמו. התמונות שאתם מעלים והתוצאות שנוצרות מעובדות ישירות על גבי התשתית של Hugging Face.

הרישיון המלא ב־Hugging Face ↗