RF-DETR 开源：实时分割模型单图最快 3.4 毫秒，采用 Apache 2.0

RF-DETR segmentation 是一个面向实时图像分割任务的开源模型，采用宽松且利于商用的 Apache 2.0 协议。

它直接放出了从 Nano 到 2XLarge 共 6 种尺寸的权重。其中最轻量的 Nano 版本单张图片推理时间仅需 3.4 毫秒，精度达到 40.3 mAP；如果需要更高的精细度，最大的 2XLarge 版本单图耗时 21.8 毫秒，精度达到了 49.9 mAP。

它能做什么

这个项目把基于 Transformer 的 DETR 架构在实时分割任务上的推理速度推到了极高的水平。开发者不再需要在「极速但粗糙」和「精细但迟钝」之间艰难妥协。

从机器人避障、自动驾驶感知到实时视频流质检，只要对端到端延迟要求苛刻，Nano 和中等尺寸的版本都能直接挂载在边缘算力设备上平稳运行。

为什么重要

我们认为，RF-DETR 最实在的地方在于它直接开放了商用友好的 Apache 2.0 协议。业内很多高性能分割模型往往绑定了限制多样的研究协议，给工程落地制造了合规阻碍。

如果你正在开发需要高帧率视频分析的端侧应用，或者正在寻找能在低算力设备上实时生成高质量掩码的模型，RF-DETR 值得现在就拉下来测试一番。