OrbitalLab/mova-rfdetr-soccernet-v1

MOVA RF-DETR SoccerNet v1

Detector de objetos para video de fútbol broadcast — entrenado por Orbital Lab sobre SoccerNet. Detecta player, goalkeeper, referee y ball con calidad operativa para pipelines de tracking + identidad.

Acceso restringido: este checkpoint es propiedad de Orbital Lab. Uso interno y de partners autorizados (Semillero CV Externado).

Estado

• Versión: v1 (R0-full @ 1288)
• Estado runtime: ✅ promovido a producción en mova-futbol
• Checkpoint: checkpoint_best_total.pth (516 MB)
• Frozen: sí — no reabrir entrenamiento sin nueva evidencia documentada

Métricas (test set SoccerNet)

Clase	AP@50	Recall
player	0.9643	0.63
referee	0.8100	0.63
goalkeeper	0.8066	0.63
ball	0.5596	0.63 (hard recall: 0.4752)
overall	0.7851	0.63

• Overall AP@50-95: 0.4841
• Overall precision: 0.8804
• Ball es la clase más difícil — usar ball_recovery.mode=tiled_ball_selective para HQ/offline si recall importa más que latencia.

Arquitectura

• Familia: RF-DETR (Roboflow)
• Variante: rfdetr-l (Large)
• Resolución de input: 1288 px
• Base architecture: roboflow/rf-detr-large

Training provenance

Campo	Valor
Dataset	SoccerNet (split train+valid+test, contrato soccernet_detector_v2)
Epochs	8
Batch size	2 (grad accumulation: 2 → effective 4)
Workers	4
Image size	1288
Provider	RunPod
GPU	NVIDIA RTX A6000
Duración	175,845 s (~48.8 horas)
Inicio	2026-03-30 15:05 UTC
Fin	2026-04-01 15:56 UTC
Preset	rfdetr-l-cloud-1288.yaml
Series	res-sweep
Tag	r0-full-1288

Cómo cargar

Inferencia básica

from huggingface_hub import hf_hub_download
import torch

# Requiere HF_TOKEN con acceso al repo
ckpt_path = hf_hub_download(
    repo_id="OrbitalLab/mova-rfdetr-soccernet-v1",
    filename="checkpoint_best_total.pth",
    token="hf_xxx",  # o HF_TOKEN env var
)

state = torch.load(ckpt_path, map_location="cuda")
# Cargar en modelo RF-DETR-L (ver código en mova-futbol)

Vía repo mova-futbol

poetry run python -m mova.track \
  dataset.sequence_id=SNMOT-060 \
  input.detections.source=rfdetr

El checkpoint se descarga automáticamente si configuras HF_TOKEN en .env.

Limitaciones conocidas

• Ball detection débil comparado con player/referee (AP50 0.56). Mitigación: tiled_ball_selective en HQ.
• Entrenado solo sobre SoccerNet — degradación esperada en cámaras no-broadcast (lateral fija, drone).
• Resolución 1288 fija — no probado a 1568 (R1-pilot @ 1568 cancelado).
• Predicciones de goalkeeper y referee deben tratarse downstream como roles semánticos por tracklet, no como ground truth detector.

Validación pipeline

Verificado en SNMOT-147 (750 frames):

• tracking_smoke: throughput ~3.7 FPS
• pipeline_validate: accuracy 76.6%, fps_estimate 4.13
• Sin crashes a lo largo de la secuencia completa

Archivos en este repo

Archivo	Descripción
checkpoint_best_total.pth	Pesos del modelo (516 MB)
manifest.json	Configuración completa del training run
metrics.json	Métricas detalladas
metrics_plot.png	Gráfico de evolución del training
ACTA_EXPERIMENTO.md	Acta interna del experimento
README.md	Este archivo

Cita

Si usas este modelo en publicaciones:

@misc{mova_rfdetr_soccernet_v1_2026,
  author = {Zuluaga, Julián and Orbital Lab},
  title = {MOVA RF-DETR SoccerNet v1: Custom-trained RF-DETR for football broadcast detection},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/OrbitalLab/mova-rfdetr-soccernet-v1}
}

Proyecto

• Codebase: OrbitalLabBOG/mova-futbol (privado)
• Organización: Orbital Lab
• Mantenedor: Julián Zuluaga (julianzu96@gmail.com)
• Producto: MOVA Tactical — análisis táctico automatizado para clubes profesionales

---

Última actualización: 2026-05-07 Promoción al runtime: 2026-04-04 (Phase 1 closeout)