คลังโมเดล

โมเดล AI สำหรับการติดตามการ์ด

cardstream ต้องใช้โมเดลแค่สองตัว: ตัวหนึ่งหาการ์ดในเฟรม อีกตัวแยกการ์ดใบใหม่ออกจากใบที่กำลังมองอยู่ พร้อมตัวที่สามแบบเลือกใช้ที่ติดตามการ์ดระหว่างการตรวจจับ ทั้งสถาปัตยกรรมและน้ำหนักเป็น Apache-2.0 ใช้เชิงพาณิชย์ได้โดยไม่ต้องขอไลเซนส์แยก

`cardstream-seg-nano` ตัวระบุตำแหน่งเริ่มต้น

เซกเมนเตชันระดับอินสแตนซ์: เส้นขอบของการ์ด

ดาวน์โหลด v2

หามุมทั้งสี่ของการ์ด ภาพตัดที่ส่งไประบุจึงถูกปรับมุมให้ตรงและตัดชิดขอบการ์ด แทนที่จะเป็นสี่เหลี่ยมที่มีพื้นหลังแทรกตามมุม ทั้งยังทำให้เกตระบุตัวตนนิ่งขึ้น: การ์ดที่เอียงในมือยังคงเอ็มเบดดิงเดิม

สถาปัตยกรรม: RF-DETR Seg Nano
รันไทม์: ONNX Runtime
ความหน่วง (CPU): ~82 ms / เฟรม
แฟล็ก: --segmentor-model
ไลเซนส์น้ำหนัก: Apache-2.0
ไลเซนส์สถาปัตยกรรม: Apache-2.0 (Roboflow)

เวอร์ชัน	วันที่ออก	ความละเอียด	ขนาด	SHA-256	ดาวน์โหลด
`v2` ปัจจุบัน	2026-10	312 × 312	125 MB	`c740782cdab1a65408b6fd55fe6e9a5070307189e036361597201714eb3bce61`	ดาวน์โหลด
`v1`	2026-09	312 × 312	125 MB	`94af531c4fea1e17fcdf393f5bf1cc257a54c8a9ab1eb402e1e8b37213249fd9`	ดาวน์โหลด

`cardstream-embed-mnv2` เกตเริ่มต้น

เอ็มเบดดิง: เกตระบุตัวตนว่าเป็นการ์ดใบเดิมหรือไม่

ดาวน์โหลด v1

ตอบคำถามเดียวที่ตัดสินว่าคุณจะถูกคิดเงินหรือไม่: ใบเดิม หรือใบใหม่? เทียบภาพตัดด้วยระยะโคไซน์ระหว่างเวกเตอร์บรรยาย 256 มิติ นี่คือสิ่งที่ทำให้การเรียก API ครั้งเดียวต่อการ์ดหนึ่งใบเป็นไปได้

สถาปัตยกรรม: MobileNetV2
รันไทม์: ONNX Runtime · PyTorch · LiteRT
ความหน่วง (CPU): ~5 ms / ภาพตัด
แฟล็ก: --embed-model
ไลเซนส์น้ำหนัก: Apache-2.0
ไลเซนส์สถาปัตยกรรม: Apache-2.0 (Google)

เวอร์ชัน	วันที่ออก	ความละเอียด	ขนาด	SHA-256	ดาวน์โหลด
`v1` ปัจจุบัน	2026-09	384 × 384	9.8 MB	`f45ac9756dd621f021809f3237e5c06ce82377d4d6b1f3b8f6951804cd0369e2`	ดาวน์โหลด

`vittrack` ตัวติดตามแบบเลือกใช้

การติดตามด้วยภาพ: พากรอบต่อไประหว่างการตรวจจับแต่ละครั้ง

ดาวน์โหลด 2023sep

vitTracker ที่ OpenCV เผยแพร่ ดึงมาจาก OpenCV zoo โดยตรง การอัปเดตตัวติดตามใช้ราว 2.7 ms ขณะที่การตรวจจับใช้ราว 80 ms ดังนั้นเมื่อใช้ --tracker-model การตรวจจับจะลดลงเป็นชั้นซิงก์ใหม่ที่ทำงานช้าๆ และการประมวลผลเรียลไทม์บน CPU ก็กลายเป็นเรื่องง่าย ตัดสินแค่ว่ามีการ์ดหรือไม่เท่านั้น ส่วนใบเดิมหรือใบใหม่ยังเป็นหน้าที่ของเกตระบุตัวตน

สถาปัตยกรรม: TrackerVit
รันไทม์: OpenCV
ความหน่วง (CPU): ~2.7 ms / เฟรม
แฟล็ก: --tracker-model
ไลเซนส์น้ำหนัก: Apache-2.0
ไลเซนส์สถาปัตยกรรม: Apache-2.0 (OpenCV)

เวอร์ชัน	วันที่ออก	ความละเอียด	ขนาด	SHA-256	ดาวน์โหลด
`2023sep` ปัจจุบัน	2023-09	128 × 128	698 KB	`2990f0b7cd44d92afa48cd97db6de7be113fc1d9594fddb74e2725c10478e91d`	ดาวน์โหลด

โอเพนซอร์ส โฮสต์เอง ไลฟ์ของคุณ สแต็กของคุณ

ไม่มีแพลตฟอร์มคั่นกลาง ไม่มีค่าไลเซนส์ต่อที่นั่ง แค่เชื่อมต่อ Ximilar API หรือระบบระบุการ์ดของคุณเอง แล้ว cardstream จะเรียกใช้ครั้งเดียวต่อการ์ดที่ต่างกันแต่ละใบ ไม่ใช่ทุกเฟรม ไม่ว่าคุณจะเปิดกล่องบน Whatnot ทำรายการสไตล์ Fanatics Live หรือไลฟ์ขายของบนระบบของตัวเอง ก็รัน cardstream ได้คืนนี้เลยด้วยฮาร์ดแวร์ที่มีอยู่แล้ว

กด Star บน GitHub รับคีย์ Ximilar API