来源信息
- 仓库
- Ntizar/MasterMind
- 最近来源活动
- 2026年9月5日 21:40
- 检测到的 SKILL.md 语言
- 西班牙语
- 星标
- 2
- 分支
- 0
安装方式
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
检查来源文件
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
正在显示 SKILL.md
SKILL.md
来源说明 · 只读预览- 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.
在 GitHub 查看