Catalogue de modèles

Des modèles d’IA pour le suivi de cartes

cardstream a besoin d’exactement deux modèles : un pour trouver la carte dans l’image, un pour distinguer une nouvelle carte de celle qu’il regarde déjà. Un troisième, optionnel, suit la carte entre deux détections. L’architecture comme les poids sont sous Apache-2.0 : vous pouvez les utiliser commercialement sans licence supplémentaire.

`cardstream-seg-nano` Localisateur par défaut

Segmentation d’instances : le contour de la carte

Télécharger v2

Trouve les quatre coins de la carte : le recadrage envoyé à l’identification est donc redressé et coupé au ras de la carte, au lieu d’un rectangle bordé de coins d’arrière-plan. Il stabilise aussi le filtre d’identité : une carte qui s’incline dans la main garde le même embedding.

Architecture: RF-DETR Seg Nano
Runtime: ONNX Runtime
Latence (CPU): ~82 ms / image
Option: --segmentor-model
Licence des poids: Apache-2.0
Licence de l’architecture: Apache-2.0 (Roboflow)

Version	Publication	Résolution	Taille	SHA-256	Télécharger
`v2` actuelle	2026-10	312 × 312	125 MB	`c740782cdab1a65408b6fd55fe6e9a5070307189e036361597201714eb3bce61`	Télécharger
`v1`	2026-09	312 × 312	125 MB	`94af531c4fea1e17fcdf393f5bf1cc257a54c8a9ab1eb402e1e8b37213249fd9`	Télécharger

`cardstream-embed-mnv2` Filtre par défaut

Embedding : le filtre d’identité « même carte »

Télécharger v1

Répond à la seule question qui décide si un appel vous est facturé : même carte, ou nouvelle carte ? Il compare les recadrages par distance cosinus entre des descripteurs à 256 dimensions. C’est ce qui rend possible un seul appel API par carte.

Architecture: MobileNetV2
Runtime: ONNX Runtime · PyTorch · LiteRT
Latence (CPU): ~5 ms / recadrage
Option: --embed-model
Licence des poids: Apache-2.0
Licence de l’architecture: Apache-2.0 (Google)

Version	Publication	Résolution	Taille	SHA-256	Télécharger
`v1` actuelle	2026-09	384 × 384	9.8 MB	`f45ac9756dd621f021809f3237e5c06ce82377d4d6b1f3b8f6951804cd0369e2`	Télécharger

`vittrack` Tracker optionnel

Suivi visuel : conserve la boîte entre deux détections

Télécharger 2023sep

Le vitTracker publié par OpenCV, servi directement depuis le zoo d’OpenCV. Une mise à jour du tracker coûte ~2,7 ms là où une détection en coûte ~80 : avec --tracker-model, la détection n’est plus qu’un palier lent de resynchronisation et le temps réel sur CPU devient facile. Il ne suit que la présence : c’est toujours le filtre d’identité qui tranche entre même carte et nouvelle carte.

Architecture: TrackerVit
Runtime: OpenCV
Latence (CPU): ~2,7 ms / image
Option: --tracker-model
Licence des poids: Apache-2.0
Licence de l’architecture: Apache-2.0 (OpenCV)

Version	Publication	Résolution	Taille	SHA-256	Télécharger
`2023sep` actuelle	2023-09	128 × 128	698 KB	`2990f0b7cd44d92afa48cd97db6de7be113fc1d9594fddb74e2725c10478e91d`	Télécharger

Open source. Auto-hébergé. Votre stream, votre stack.

Pas de plateforme intermédiaire, pas de licence par poste : connectez l’API Ximilar ou votre propre système d’identification, et cardstream l’appelle une fois par carte distincte plutôt qu’une fois par image. Que vous fassiez des breaks sur Whatnot, animiez un show façon Fanatics Live ou streamiez votre propre live shopping, lancez cardstream dès ce soir sur le matériel que vous avez déjà.

Mettre une étoile sur GitHub Obtenir une clé API Ximilar