소스 정보
- 저장소
- Ntizar/MasterMind
- 최근 소스 활동
- 2026년 9월 5일 21:40
- 감지된 SKILL.md 언어
- 스페인어
- 스타
- 2
- 포크
- 0
설치 방법
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
소스 파일 검토
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
SKILL.md 표시 중
SKILL.md
소스 지침 · 읽기 전용 미리보기- name
- rf-detr
- description
- Usa a detectar objetos con RF-DETR (tiempo real).
- version
- 2.0.0
- tags
- ["rf-detr","deteccion","transformer","yolo","vision","tiempo-real"]
- related_skills
- ["rf-detr","roboflow-supervision","cctv-yolo","fast-alpr"]
# RF-DETR — detección en tiempo real (comparativa corregida)
> ⚠️ Corrección 2026-09-05 (auditoría): RF-DETR-L es **más rápido y ligero** que YOLO26-X, pero **ligeramente inferior** en COCO AP50:95 (56.5 vs 56.9); su ventaja es en **AP50** (75.1 vs 74.0). No "supera" engeneral. La latencia <7ms solo aplica a N/S/M/L (XL 11.5ms, 2XL 17.2ms).
**Repo:** `https://github.com/roboflow/rf-detr` (Python, ~9.2K⭐).
## When to Use
- Cuando pidas **detección de objetos en tiempo real** con un modelo Transformer DETR de Roboflow.
## Qué es
Familia DETR de tiempo real (N/S/M/L/XL/2XL). Ventajas frente a YOLO: **latencia baja y peso ligero**; pero RF-DETR-L (56.5 AP50:95) es *ligeramente menor* que YOLO26-X (56.9) — la ventaja real de RF-DETR está en **COCO AP50** y en velocidad/peso.
## Uso
```python
from ultralytics import YOLO # los pesos de rf-detr se cargan con ultralytics o supervisión
# (ver README del repo para el método exacto de carga y clases)
```
## Pitfalls
- **No** afirmar "supera a YOLO26-X en AP50:95" — es menor (56.5 vs 56.9); gana en AP50 y en velocidad/peso.
- "<7ms" solo para **N/S/M/L**; XL/2XL superan los 7ms.
## Verificación
- Inferir con un modelo RF-DETR sobre un fotograma y comprobar detecciones + latencia según tamaño.
GitHub에서 보기