Model zoo

Model AI untuk pelacakan kartu

cardstream membutuhkan tepat dua model: satu untuk menemukan kartu di frame, dan satu untuk membedakan kartu baru dari kartu yang sedang dilihatnya, ditambah model ketiga yang opsional untuk melacak kartu di antara deteksi. Arsitektur maupun bobotnya berlisensi Apache-2.0, jadi kamu bisa memakainya secara komersial tanpa lisensi terpisah.

`cardstream-seg-nano` Pencari kartu bawaan

Segmentasi instans: garis tepi kartu

Unduh v2

Menemukan keempat sudut kartu, sehingga potongan gambar yang dikirim untuk identifikasi diluruskan dan dipotong rapat di tepi kartu, bukan persegi dengan sisa latar di sudut-sudutnya. Ia juga menstabilkan gerbang identitas: kartu yang miring di tangan tetap mempertahankan embedding-nya.

Arsitektur: RF-DETR Seg Nano
Runtime: ONNX Runtime
Latensi (CPU): ~82 ms / frame
Flag: --segmentor-model
Lisensi bobot: Apache-2.0
Lisensi arsitektur: Apache-2.0 (Roboflow)

Versi	Dirilis	Resolusi	Ukuran	SHA-256	Unduh
`v2` terkini	2026-10	312 × 312	125 MB	`c740782cdab1a65408b6fd55fe6e9a5070307189e036361597201714eb3bce61`	Unduh
`v1`	2026-09	312 × 312	125 MB	`94af531c4fea1e17fcdf393f5bf1cc257a54c8a9ab1eb402e1e8b37213249fd9`	Unduh

`cardstream-embed-mnv2` Gerbang bawaan

Embedding: gerbang identitas kartu-yang-sama

Unduh v1

Menjawab satu pertanyaan yang menentukan apakah kamu ditagih: kartu yang sama, atau kartu baru? Membandingkan potongan gambar dengan jarak kosinus antara deskriptor 256 dimensi. Inilah yang membuat satu panggilan API per kartu menjadi mungkin.

Arsitektur: MobileNetV2
Runtime: ONNX Runtime · PyTorch · LiteRT
Latensi (CPU): ~5 ms / potongan
Flag: --embed-model
Lisensi bobot: Apache-2.0
Lisensi arsitektur: Apache-2.0 (Google)

Versi	Dirilis	Resolusi	Ukuran	SHA-256	Unduh
`v1` terkini	2026-09	384 × 384	9.8 MB	`f45ac9756dd621f021809f3237e5c06ce82377d4d6b1f3b8f6951804cd0369e2`	Unduh

`vittrack` Pelacak opsional

Pelacakan visual: membawa kotak pembatas di antara deteksi

Unduh 2023sep

vitTracker terbitan OpenCV, disajikan langsung dari OpenCV zoo. Satu pembaruan pelacak memakan ~2,7 ms sedangkan satu deteksi ~80 ms, jadi dengan --tracker-model deteksi turun ke tingkat sinkronisasi ulang yang lambat dan real-time di CPU menjadi mudah. Ia hanya melaporkan ada tidaknya kartu: gerbang identitas tetap yang memutuskan kartu yang sama atau kartu baru.

Arsitektur: TrackerVit
Runtime: OpenCV
Latensi (CPU): ~2,7 ms / frame
Flag: --tracker-model
Lisensi bobot: Apache-2.0
Lisensi arsitektur: Apache-2.0 (OpenCV)

Versi	Dirilis	Resolusi	Ukuran	SHA-256	Unduh
`2023sep` terkini	2023-09	128 × 128	698 KB	`2990f0b7cd44d92afa48cd97db6de7be113fc1d9594fddb74e2725c10478e91d`	Unduh

Open source. Di-host sendiri. Siaranmu, perangkatmu.

Tanpa platform di tengah, tanpa lisensi per pengguna: hubungkan API Ximilar atau sistem identifikasimu sendiri, dan cardstream memanggilnya satu kali per kartu berbeda, bukan satu kali per frame. Entah kamu melakukan break di Whatnot, mengadakan live ala Fanatics Live, atau menyiarkan jualan live dengan caramu sendiri, jalankan cardstream malam ini di perangkat yang sudah kamu punya.

Beri bintang di GitHub Dapatkan kunci API Ximilar