owlv2-base-patch16-ensemble
Google · google/owlv2-base-patch16-ensemble
Licença dos pesos: Apache 2.0 · código e componentes podem ter outros termos
Qualidade
Sem score comparável
Ainda não acompanhamos benchmark público e comparável que cubra este modelo. Nenhuma nota é inferida.
Informado pelo publicador
Roda em
Cabe na memória rápida 119
A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.
Mostrar todos os 119
Perfis de hardware agrupados por uma estimativa de planejamento de 16 bits, rotulada, a partir da contagem de parâmetros do Hugging Face (2 bytes por parâmetro, 20% de margem, 2 GB de reserva): encoders de visão clássicos normalmente não são quantizados. Tamanho da imagem e do lote mudam o requisito real. Não é compatibilidade medida.
Google lançou owlv2-base-patch16-ensemble em 2023-09-22: um modelo de detecção de objetos de vocabulário aberto, com 200M parâmetros pela contagem do Hugging Face e licença Apache 2.0.
Licença: uso comercial permitido. A estimativa de 16 bits é de cerca de 3 GB com reserva; tamanho da imagem e lote mudam o valor real.
Velocidade medida
Nenhuma medição publicada para este checkpoint
Tokens por segundo só aparecem quando uma fonte os publica com hardware, build e configuração. Nunca são estimados.
Como rodar
Compatibilidade de runtime e tokens por segundo não foram medidos para este registro. Metadados publicados e estimativa de memória não comprovam uma execução local.
Biblioteca na fonte: transformers
Formas documentadas de rodar
Copiado como aparece na fonte vinculada (lida em 2026-10-18); não executado por este site.
import requests
from PIL import Image
import torch
from transformers import Owlv2Processor, Owlv2ForObjectDetection
processor = Owlv2Processor.from_pretrained("google/owlv2-base-patch16-ensemble")
model = Owlv2ForObjectDetection.from_pretrained("google/owlv2-base-patch16-ensemble")
url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)
texts = [["a photo of a cat", "a photo of a dog"]]
inputs = processor(text=texts, images=image, return_tensors="pt")
with torch.no_grad():
outputs = model(**inputs)
# Target image sizes (height, width) to rescale box predictions [batch_size, 2]
target_sizes = torch.Tensor([image.size[::-1]])
# Convert outputs (bounding boxes and class logits) to Pascal VOC Format (xmin, ymin, xmax, ymax)
results = processor.post_process_object_detection(outputs=outputs, target_sizes=target_sizes, threshold=0.1)
i = 0 # Retrieve predictions for the first image for the corresponding text queries
text = texts[i]
boxes, scores, labels = results[i]["boxes"], results[i]["scores"], results[i]["labels"]
for box, score, label in zip(boxes, scores, labels):
box = [round(i, 2) for i in box.tolist()]
print(f"Detected {text[label]} with confidence {round(score.item(), 3)} at location {box}")Detalhes técnicos
O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.
- Checkpoint / fonte
- google/owlv2-base-patch16-ensemble
- Tarefa
- zero-shot-object-detection
- Arquitetura
- Owlv2ForObjectDetection
- Biblioteca na fonte
- transformers
- Licença dos pesos
- Apache 2.0google/owlv2-base-patch16-ensemble model card (Hugging Face) · consultado em 2026-10-18fonte
- Uso comercial
- Permitido Apache License 2.0 text (SPDX) · consultado em 2026-10-18texto da licença
- Lançamento
- Scenic OWL-ViT project README updates (GitHub, Google Research) · consultado em 2026-10-18fonte
Todos os campos guardados
- Revisão conferida
- cfd3195ba4ea9592eec887ded089f4c08eff231d
- Arquitetura
- Owlv2ForObjectDetection
- Biblioteca
- transformers
- Tag de tarefa no Hub
- zero-shot-object-detection
- Formatos
- transformers, pytorch, safetensors
- Acesso
- Download aberto
- Tipo de publicador
- Oficial
- Repositório criado
- 2023-10-13criação não é o lançamento do modelo
- Repositório atualizado
- 2024-10-31um commit não é data de lançamento
- Downloads no Hub (30 dias) · curtidas
- 1.543.183 · 147só este repositório · lido em 2026-10-25
- Estado no catálogo
- Config ou pesos encontrados no Hub; sem vínculo de benchmark no inventário
Fontes
Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.
- Ficha do publicador
- Licença: google/owlv2-base-patch16-ensemble model card (Hugging Face)
- Data de lançamento: Scenic OWL-ViT project README updates (GitHub, Google Research)
Fatos curados verificados: 2026-10-18. A licença e a data de lançamento citam as fontes do publicador; parâmetros, arquivos e tarefa vêm do registro do Hugging Face, e a memória é uma estimativa rotulada a partir da contagem de parâmetros. Um valor que nenhuma fonte informa fica vazio; um commit do repositório não é a data de lançamento do modelo.






























































