cmes-deepvision/ACR-instance-segmentation-RF-v1.0.0

ACR Instance Segmentation RF-DETR v1.0.0

ACR 환경의 객체 검출 및 instance segmentation을 위한 RF-DETR Seg2XLarge 배포 모델입니다.

파일

파일	설명
cmes_RF_960_v1.0.0.pth	RF-DETR Seg2XLarge PyTorch best weight
config.yaml	모델 구조, 추론 설정, 클래스 순서 및 검증 결과

주요 설정

• 입력 이미지: RGB
• 입력 해상도: 960 x 960
• 기본 confidence threshold: 0.50
• 최대 detection 수: 300
• 클래스 수: 11
• RF-DETR: 1.9.0

설치

python -m pip install rfdetr==1.9.0 torch torchvision pillow numpy pyyaml

다운로드

from huggingface_hub import hf_hub_download

weight_path = hf_hub_download(
    repo_id="cmes-deepvision/ACR-instance-segmentation-RF-v1.0.0",
    filename="cmes_RF_960_v1.0.0.pth",
)

PyTorch 추론

import torch
from PIL import Image
from rfdetr import RFDETRSeg2XLarge

model = RFDETRSeg2XLarge.from_checkpoint(
    weight_path,
    trust_checkpoint=True,
    resolution=960,
    device="cuda:0",
)
model.inference(compile=False, batch_size=1, dtype=torch.float16)

image = Image.open("image.jpg").convert("RGB")
detections = model.predict(
    image,
    threshold=0.50,
    shape=(960, 960),
    patch_size=12,
    include_source_image=False,
)

이 파일은 PyTorch pickle 기반 형식이므로 공식 저장소에서 받은 파일에만 trust_checkpoint=True를 사용하십시오. 클래스 ID는 아래 순서를 따릅니다.

0  dropping item
1  dumping item
2  item in pb bag
3  item in tote
4  item on buffer
5  item on floor
6  item on plate
7  item out of buffer
8  item out of tote
9  picked item
10 tote

검증 결과

Test_v2.2.1 전체 6,475장, 50 tasks, confidence 0.50, IoU 0.50 기준입니다.

Precision	Recall	F1	bbox mAP50	segm mAP50
0.9054	0.8509	0.8657	0.8411	0.8454

운영 threshold를 변경하면 Precision과 Recall도 달라지므로 기본값 0.50에서 먼저 검증하십시오.