Katalog modeli

Modele AI do śledzenia kart

cardstream wymaga dokładnie dwóch modeli: jednego, który znajduje kartę w kadrze, i drugiego, który odróżnia nową kartę od tej, na którą już patrzy. Jest też opcjonalny trzeci, śledzący kartę między detekcjami. Architektura i wagi są na licencji Apache-2.0, więc możesz ich używać komercyjnie bez osobnej licencji.

`cardstream-seg-nano` Domyślny lokalizator

Segmentacja instancji: obrys karty

Pobierz v2

Znajduje cztery rogi karty, więc wycinek wysyłany do identyfikacji jest wyprostowany i przycięty równo z krawędzią karty, zamiast być prostokątem z klinami tła. Stabilizuje też bramkę tożsamości: karta przechylana w dłoni zachowuje swój embedding.

Architektura: RF-DETR Seg Nano
Środowisko: ONNX Runtime
Czas na CPU: ~82 ms / klatkę
Flaga: --segmentor-model
Licencja wag: Apache-2.0
Licencja architektury: Apache-2.0 (Roboflow)

Wersja	Data wydania	Rozdzielczość	Rozmiar	SHA-256	Pobierz
`v2` aktualna	2026-10	312 × 312	125 MB	`c740782cdab1a65408b6fd55fe6e9a5070307189e036361597201714eb3bce61`	Pobierz
`v1`	2026-09	312 × 312	125 MB	`94af531c4fea1e17fcdf393f5bf1cc257a54c8a9ab1eb402e1e8b37213249fd9`	Pobierz

`cardstream-embed-mnv2` Domyślna bramka

Embedding: bramka tożsamości (ta sama karta czy nowa)

Pobierz v1

Odpowiada na jedno pytanie, od którego zależy, czy zapłacisz: ta sama karta czy nowa? Porównuje wycinki odległością kosinusową między 256-wymiarowymi deskryptorami. To dzięki temu możliwe jest jedno zapytanie do API na kartę.

Architektura: MobileNetV2
Środowisko: ONNX Runtime · PyTorch · LiteRT
Czas na CPU: ~5 ms / wycinek
Flaga: --embed-model
Licencja wag: Apache-2.0
Licencja architektury: Apache-2.0 (Google)

Wersja	Data wydania	Rozdzielczość	Rozmiar	SHA-256	Pobierz
`v1` aktualna	2026-09	384 × 384	9.8 MB	`f45ac9756dd621f021809f3237e5c06ce82377d4d6b1f3b8f6951804cd0369e2`	Pobierz

`vittrack` Opcjonalny tracker

Śledzenie wizualne: przenosi prostokąt między detekcjami

Pobierz 2023sep

Tracker vitTracker opublikowany przez OpenCV, pobierany prosto z OpenCV zoo. Aktualizacja trackera kosztuje ~2,7 ms, a detekcja ~80 ms, więc z flagą --tracker-model detekcja uruchamia się już tylko z rzadka, do ponownej synchronizacji, a działanie w czasie rzeczywistym na CPU staje się łatwe. Tracker stwierdza tylko obecność karty: o tym, czy to ta sama, czy nowa, nadal decyduje bramka tożsamości.

Architektura: TrackerVit
Środowisko: OpenCV
Czas na CPU: ~2,7 ms / klatkę
Flaga: --tracker-model
Licencja wag: Apache-2.0
Licencja architektury: Apache-2.0 (OpenCV)

Wersja	Data wydania	Rozdzielczość	Rozmiar	SHA-256	Pobierz
`2023sep` aktualna	2023-09	128 × 128	698 KB	`2990f0b7cd44d92afa48cd97db6de7be113fc1d9594fddb74e2725c10478e91d`	Pobierz

Open source. Na własnym sprzęcie. Twój stream, Twoje zasady.

Żadnej platformy pośrodku, żadnych licencji na stanowisko: podłącz API Ximilar albo własny system identyfikacji, a cardstream zapyta raz na każdą nową kartę zamiast raz na klatkę. Robisz breaki na Whatnot, prowadzisz transmisję w stylu Fanatics Live albo streamujesz z własnego setupu do live commerce? Uruchom cardstream jeszcze dziś wieczorem, na sprzęcie, który już masz.

Daj gwiazdkę na GitHub Zdobądź klucz API Ximilar