מוצא את ארבע הפינות של הקלף, כך שתמונת החיתוך שנשלחת לזיהוי מיושרת ונחתכת צמוד לקצה הקלף, במקום ריבוע עם משולשי רקע בפינות. הוא גם מייצב את מסנן הזהות: קלף שמתנדנד ביד שומר על ההטמעה שלו.
- ארכיטקטורה
- RF-DETR Seg Nano
- סביבת ריצה
- ONNX Runtime
- זמן השהיה (CPU)
- כ-82 ms לפריים
- דגל
--segmentor-model - רישיון המשקלים
- Apache-2.0
- רישיון הארכיטקטורה
- Apache-2.0 (Roboflow)
| גרסה | תאריך פרסום | רזולוציה | גודל | SHA-256 | הורדה |
v2 נוכחית | 2026-10 | 312 × 312 | 125 MB | c740782cdab1a65408b6fd55fe6e9a5070307189e036361597201714eb3bce61 | הורדה |
v1 | 2026-09 | 312 × 312 | 125 MB | 94af531c4fea1e17fcdf393f5bf1cc257a54c8a9ab1eb402e1e8b37213249fd9 | הורדה |
עונה על השאלה היחידה שקובעת אם תחויבו: אותו קלף, או קלף חדש? משווה בין תמונות חיתוך לפי מרחק קוסינוס בין מתארים בני 256 ממדים. זה מה שמאפשר קריאת API אחת לכל קלף.
- ארכיטקטורה
- MobileNetV2
- סביבת ריצה
- ONNX Runtime · PyTorch · LiteRT
- זמן השהיה (CPU)
- כ-5 ms לתמונת חיתוך
- דגל
--embed-model - רישיון המשקלים
- Apache-2.0
- רישיון הארכיטקטורה
- Apache-2.0 (Google)
| גרסה | תאריך פרסום | רזולוציה | גודל | SHA-256 | הורדה |
v1 נוכחית | 2026-09 | 384 × 384 | 9.8 MB | f45ac9756dd621f021809f3237e5c06ce82377d4d6b1f3b8f6951804cd0369e2 | הורדה |
ה-vitTracker ש-OpenCV פרסמה, ישר מה-OpenCV zoo. עדכון של העוקב עולה כ-2.7 ms, כשאיתור עולה כ-80 ms, כך שעם --tracker-model האיתור יורד לרמת סנכרון מחדש איטית, וזמן אמת על המעבד נהיה קל. נוכחות בלבד: מסנן הזהות עדיין מכריע בין אותו קלף לקלף חדש.
- ארכיטקטורה
- TrackerVit
- סביבת ריצה
- OpenCV
- זמן השהיה (CPU)
- כ-2.7 ms לפריים
- דגל
--tracker-model - רישיון המשקלים
- Apache-2.0
- רישיון הארכיטקטורה
- Apache-2.0 (OpenCV)
| גרסה | תאריך פרסום | רזולוציה | גודל | SHA-256 | הורדה |
2023sep נוכחית | 2023-09 | 128 × 128 | 698 KB | 2990f0b7cd44d92afa48cd97db6de7be113fc1d9594fddb74e2725c10478e91d | הורדה |