RF-DETR

产品简介

RF-DETR 是 Roboflow 推出的实时目标检测与实例分割模型系列，基于 DINOv2 视觉 Transformer 主干网络构建，是全球首个在 COCO 基准测试中突破 60 mAP（平均精度均值）的实时检测模型。该项目已于 2025 年 3 月正式发布，代码完全开源（Apache 2.0 许可证），支持在 Roboflow 平台直接训练、微调或通过 Colab 笔记本自行部署。

核心功能

• 实时目标检测：支持 COCO 标准下的实时推理，延迟远低于同类 SOTA 模型
• 实例分割：同步输出目标类别、边界框和像素级分割掩码
• 关键点检测（预览阶段）：支持人体姿态等关键点识别任务
• 跨域迁移能力强：在 RF100-VL 基准（自定义数据集迁移测试）中领先同类模型
• 多种部署方式：支持 PyPI pip 安装、Roboflow 云端 API、Colab 微调、Docker 本地部署
• 预训练模型开源：Hugging Face Spaces 提供在线体验，无需本地环境即可试用

特色优势

• 精度与速度双突破：首次在实时推理场景下达成了此前仅学术级大模型才能实现的 60+ mAP
• 开源可商用：Apache 2.0 许可证允许商业集成，无使用限制
• 低代码微调：Roboflow 平台提供图形化训练界面，零代码即可用自己的数据集微调模型
• 全平台覆盖：从边缘设备到云端 API 均有成熟部署方案
• 丰富生态：配套论文、技术博客、示例笔记本、Discord 社区一应俱全

应用场景

• 自动驾驶感知：实时检测车辆、行人、交通标志，支撑决策系统
• 工业质检：生产线上的零件缺陷、划痕、尺寸异常检测
• 医疗影像分析：CT/MRI 图像中器官或病灶的定位与分割
• 零售与库存管理：货架商品识别、库存盘点自动化
• 机器人视觉：服务机器人、仓储 AGV 的环境感知与避障
• 无人机航拍分析：大规模场景中的目标统计与监测

适用人群

计算机视觉工程师、AI 研究员、机器学习运维工程师、工业自动化团队、无人机与自动驾驶公司

出品方

Roboflow（美国计算机视觉平台公司，专注降低 AI 视觉应用门槛）

更新动态

2026 年 6 月发布最新版本，持续在 arXiv 更新论文，Roboflow 平台每月迭代训练基础设施。

官网链接

https://roboflow.com