К содержимому
Другое

NanoDet

детекция объектов на мобильных устройствах в реальном времени

2 мин чтения

NanoDet-Plus-m определяет классы объектов и строит вокруг них ограничивающие рамки (bounding boxes) на изображениях с входным разрешением 416 пикселей. Репозиторий представляет собой автономный рецепт, совместимый с CLI-инструментом qai-hub-models (на базе оригинальной реализации NanoDet). Модель оптимизирована для запуска на мобильных и периферийных (edge) устройствах — её можно скомпилировать, профилировать и протестировать на реальных процессорах Snapdragon через сервис Qualcomm AI Hub Workbench. Решение пригодится разработчикам компьютерного зрения, которым нужно лёгкое распознавание объектов прямо на смартфоне или встроенной электронике.

Ключевые особенности

  • Работает с входным разрешением изображений 416 пикселей.
  • Полная совместимость с интерфейсом командной строки qai-hub-models для быстрой установки, регистрации и проверки.
  • Поддержка компиляции и замеров производительности на облачных стендах с реальными чипами Snapdragon через Qualcomm AI Hub Workbench.
  • Экспорт в форматы для edge-среды выполнения: TensorFlow Lite, ONNX Runtime и Qualcomm AI Engine Direct.

Что можно сделать

  • Интегрировать детекцию объектов в реальном времени в мобильные приложения на базе чипов Qualcomm Snapdragon.
  • Провести бенчмаркинг и профилирование скорости инференса на удалённых устройствах через Qualcomm AI Hub без необходимости покупать тестовый парк смартфонов.
  • Экспортировать модель в ONNX Runtime или TensorFlow Lite для развёртывания на локальных edge-устройствах.

Пример

pip install qai-hub-models
qai-hub-models register anguoyang/nanodet
qai-hub-models install nanodet
qai-hub-models demo nanodet
qai-hub-models export nanodet
ПодробнееВходное разрешение: 416 пикселей.
Требования к окружению: Python версии от 3.10 до 3.13 включительно (3.10 <= PYTHON_VERSION < 3.14).
Для облачного запуска и профилирования требуется аккаунт Qualcomm ID и API-токен от Qualcomm AI Hub Workbench.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # anguoyang/nanodet
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download anguoyang/nanodet --local-dir ~/models/nanodet
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к nanodet
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии nanodet — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

anguoyang/nanodet
Автор
anguoyang
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии