Modellkatalog

AI-modeller för kortspårning

cardstream kräver exakt två modeller: en som hittar kortet i bildrutan och en som skiljer ett nytt kort från det som redan ligger framför kameran. Därtill kommer en valfri tredje, som följer kortet mellan detekteringarna. Både arkitektur och vikter har licensen Apache-2.0, så du kan använda dem kommersiellt utan en separat licens.

`cardstream-seg-nano` Standardlokaliserare

Instanssegmentering: kortets kontur

Ladda ner v2

Hittar kortets fyra hörn, så utsnittet som skickas för identifiering rätas upp och skärs tätt längs kortets kant, i stället för att bli en rektangel med kilar av bakgrund. Stabiliserar också identitetsspärren: ett kort som lutas i handen behåller sin embedding.

Arkitektur: RF-DETR Seg Nano
Körmiljö: ONNX Runtime
Latens (CPU): ~82 ms / bildruta
Flagga: --segmentor-model
Licens för vikterna: Apache-2.0
Licens för arkitekturen: Apache-2.0 (Roboflow)

Version	Släppt	Upplösning	Storlek	SHA-256	Ladda ner
`v2` aktuell	2026-10	312 × 312	125 MB	`c740782cdab1a65408b6fd55fe6e9a5070307189e036361597201714eb3bce61`	Ladda ner
`v1`	2026-09	312 × 312	125 MB	`94af531c4fea1e17fcdf393f5bf1cc257a54c8a9ab1eb402e1e8b37213249fd9`	Ladda ner

`cardstream-embed-mnv2` Standardspärr

Embedding: identitetsspärren som känner igen samma kort

Ladda ner v1

Besvarar den enda fråga som avgör om du debiteras: samma kort eller nytt kort? Jämför utsnitt med cosinusavståndet mellan 256-dimensionella deskriptorer. Det är det här som gör ett API-anrop per kort möjligt.

Arkitektur: MobileNetV2
Körmiljö: ONNX Runtime · PyTorch · LiteRT
Latens (CPU): ~5 ms / utsnitt
Flagga: --embed-model
Licens för vikterna: Apache-2.0
Licens för arkitekturen: Apache-2.0 (Google)

Version	Släppt	Upplösning	Storlek	SHA-256	Ladda ner
`v1` aktuell	2026-09	384 × 384	9.8 MB	`f45ac9756dd621f021809f3237e5c06ce82377d4d6b1f3b8f6951804cd0369e2`	Ladda ner

`vittrack` Valfri spårare

Visuell spårning: för rutan vidare mellan detekteringarna

Ladda ner 2023sep

OpenCV:s publicerade vitTracker, hämtad direkt från OpenCV zoo. En uppdatering av spåraren kostar ~2,7 ms där en detektering kostar ~80 ms, så med --tracker-model sjunker detekteringen till en långsam nivå för omsynkronisering, och realtid på CPU blir enkelt. Spåraren avgör bara om kortet finns kvar: identitetsspärren bestämmer fortfarande om det är samma kort eller ett nytt.

Arkitektur: TrackerVit
Körmiljö: OpenCV
Latens (CPU): ~2,7 ms / bildruta
Flagga: --tracker-model
Licens för vikterna: Apache-2.0
Licens för arkitekturen: Apache-2.0 (OpenCV)

Version	Släppt	Upplösning	Storlek	SHA-256	Ladda ner
`2023sep` aktuell	2023-09	128 × 128	698 KB	`2990f0b7cd44d92afa48cd97db6de7be113fc1d9594fddb74e2725c10478e91d`	Ladda ner

Öppen källkod. Egen drift. Din stream, din stack.

Ingen plattform i mitten och ingen licens per användare: anslut Ximilars API eller ditt eget identifieringssystem, så anropar cardstream det en gång per unikt kort i stället för en gång per bildruta. Oavsett om du kör breaks på Whatnot, sänder i Fanatics Live-stil eller streamar från din egen liveshoppinglösning kan du köra cardstream redan i kväll, på den hårdvara du redan har.

Ge en stjärna på GitHub Skaffa en API-nyckel från Ximilar