Mindket

JerseyNet - Jersey Number Detection

新上架第 1 版 · 更新于

概览

在图片里找出球衣号码并在每个号码外画框,全程在你的浏览器里完成,图片不会离开你的设备。

JerseyNet - Jersey Number Detection 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 一个网页浏览器
  • Python 和 pip 工具,只在下载这一步需要
用在
  • 网页浏览器,在 Hugging Face 上这个 Space 的页面里
  • Windows、macOS 或 Linux 上的浏览器,打开下载好的 index.html
先运行
pip install -U huggingface_hub
hf download MHkhan50/jersey-number-detection --repo-type space --local-dir jersey-number-detection
cd jersey-number-detection

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

JerseyNet 是一个小型检测器,能在图片里找出球衣号码,并在每个找到的号码外画一个框。模型通过 ONNX Runtime Web 在你的浏览器里运行,所以图片不会被上传到任何地方。它只定位号码,不识别具体数字。

适合谁

研究体育图像分析的人,或者想看一个紧凑的检测模型完全在浏览器里运行的人。

行业谁在用怎么用例子
体育分析研究者和分析师在比赛照片里定位球衣号码在一张冰球照片里找出号码
计算机视觉学生和开发者研究一个在客户端运行的小型检测器阅读页面如何加载模型文件
教育机器学习老师演示不需要任何服务器的检测展示一个从不上传图片的模型

如果你需要识别具体数字或处理其他运动,可以跳过它,因为作者把它称作研究演示。

用在哪里

  • 网页浏览器,在 Hugging Face 上这个 Space 的页面里
  • Windows、macOS 或 Linux 上的浏览器,打开下载好的 index.html
使用场景谁用得到什么
在照片里找号码有冰球图片的任何人在找到的每个号码外画的框
试用浏览器内检测开发者一个无需上传就能运行的模型
研究页面代码学生一个带模型文件和两个脚本的小型静态页面

如何设置

在线使用不需要安装任何东西。本地副本需要一个浏览器,以及下载时用到的少量 Python。

  • 一个网页浏览器
  • Python 和 pip 工具,只在下载这一步需要
  1. 用 pip 安装 Hugging Face hub 包。
  2. 把这个 Space 的文件下载到一个文件夹里。
  3. 进入该文件夹。
  4. 在网页浏览器里打开 index.html。
pip install -U huggingface_hub
hf download MHkhan50/jersey-number-detection --repo-type space --local-dir jersey-number-detection
cd jersey-number-detection

如何使用

打开这个 Space 的页面,或打开本地副本里的 index.html,然后上传一张图片。页面会在它找到的每个球衣号码外画一个框。来源没有列出其他控件。

hf download MHkhan50/jersey-number-detection --repo-type space --local-dir jersey-number-detection

示例

你上传一张冰球比赛的照片,其中一名球员的号码清晰可见。页面会在这个号码外画一个框。它不会告诉你具体是哪些数字,而画面拥挤或尺寸很大的照片可能效果较差。

新手与专家

检测就是找出东西在图片里的位置。第一步,上传一张清晰的冰球照片,看看那些框。所有内容都不会离开你的浏览器。

这个模型叫 JerseyNet,是一个 CenterNet 风格、4.7M 参数的检测器,在公开的 jersey-2 数据集上从随机初始化开始训练,用了 mosaic 增强、GIoU 框损失和 384 px 输入。在测试集上,它的 AP50:95 为 0.314,AP50 为 0.593,三个随机种子的平均值为 0.308。页面按训练时的方式做 letterbox 并解码热力图,导出的流程与 Python 的结果一致。

  1. 在浏览器里上传一张图片
  2. 图片被 letterbox 成模型输入
  3. ONNX Runtime Web 在本地运行 JerseyNet
  4. 在号码外画框

注意事项

  • Limits: 它只用小尺寸冰球图片训练,所以对号码清晰的冰球照片效果最好,对其他运动、大尺寸照片和拥挤场景则较弱
  • License: MIT
  • Cost to run: 来源没有提到
  • Data it reaches: 你的图片留在浏览器里,页面会从仓库加载 jerseynet.onnx 模型文件
  • Not for: 识别数字、其他运动或生产环境使用,因为它是研究演示

README 和文件

README

JerseyNet - Jersey Number Detection

在图片里找出球衣号码并在每个号码外画框,全程在你的浏览器里完成,图片不会离开你的设备。

由 MHkhan50 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:JerseyNet 是一个小型检测器,能在图片里找出球衣号码,并在每个找到的号码外画一个框。模型通过 ONNX Runtime Web 在你的浏览器里运行,所以图片不会被上传到任何地方。它只定位号码,不识别具体数字。

适合谁:研究体育图像分析的人,或者想看一个紧凑的检测模型完全在浏览器里运行的人。

行业 | 谁在用 | 怎么用 | 例子
体育分析 | 研究者和分析师 | 在比赛照片里定位球衣号码 | 在一张冰球照片里找出号码
计算机视觉 | 学生和开发者 | 研究一个在客户端运行的小型检测器 | 阅读页面如何加载模型文件
教育 | 机器学习老师 | 演示不需要任何服务器的检测 | 展示一个从不上传图片的模型

如果你需要识别具体数字或处理其他运动,可以跳过它,因为作者把它称作研究演示。

用在哪里:

  • 网页浏览器,在 Hugging Face 上这个 Space 的页面里
  • Windows、macOS 或 Linux 上的浏览器,打开下载好的 index.html
使用场景 | 谁用 | 得到什么
在照片里找号码 | 有冰球图片的任何人 | 在找到的每个号码外画的框
试用浏览器内检测 | 开发者 | 一个无需上传就能运行的模型
研究页面代码 | 学生 | 一个带模型文件和两个脚本的小型静态页面

如何设置:在线使用不需要安装任何东西。本地副本需要一个浏览器,以及下载时用到的少量 Python。

  • 一个网页浏览器
  • Python 和 pip 工具,只在下载这一步需要
  1. 用 pip 安装 Hugging Face hub 包。
  2. 把这个 Space 的文件下载到一个文件夹里。
  3. 进入该文件夹。
  4. 在网页浏览器里打开 index.html。
pip install -U huggingface_hub
hf download MHkhan50/jersey-number-detection --repo-type space --local-dir jersey-number-detection
cd jersey-number-detection

如何使用:打开这个 Space 的页面,或打开本地副本里的 index.html,然后上传一张图片。页面会在它找到的每个球衣号码外画一个框。来源没有列出其他控件。

hf download MHkhan50/jersey-number-detection --repo-type space --local-dir jersey-number-detection

示例:你上传一张冰球比赛的照片,其中一名球员的号码清晰可见。页面会在这个号码外画一个框。它不会告诉你具体是哪些数字,而画面拥挤或尺寸很大的照片可能效果较差。

新手与专家:检测就是找出东西在图片里的位置。第一步,上传一张清晰的冰球照片,看看那些框。所有内容都不会离开你的浏览器。

这个模型叫 JerseyNet,是一个 CenterNet 风格、4.7M 参数的检测器,在公开的 jersey-2 数据集上从随机初始化开始训练,用了 mosaic 增强、GIoU 框损失和 384 px 输入。在测试集上,它的 AP50:95 为 0.314,AP50 为 0.593,三个随机种子的平均值为 0.308。页面按训练时的方式做 letterbox 并解码热力图,导出的流程与 Python 的结果一致。

在浏览器里上传一张图片
图片被 letterbox 成模型输入
ONNX Runtime Web 在本地运行 JerseyNet
在号码外画框

注意事项:

  • Limits: 它只用小尺寸冰球图片训练,所以对号码清晰的冰球照片效果最好,对其他运动、大尺寸照片和拥挤场景则较弱
  • License: MIT
  • Cost to run: 来源没有提到
  • Data it reaches: 你的图片留在浏览器里,页面会从仓库加载 jerseynet.onnx 模型文件
  • Not for: 识别数字、其他运动或生产环境使用,因为它是研究演示

Hugging Face 上的数据(2026年11月13日)

  • 点赞:1
  • 构建方式:static
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/MHkhan50/jersey-number-detection
  • 文件:https://huggingface.co/spaces/MHkhan50/jersey-number-detection/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
JerseyNet - Jersey Number Detection 本页1staticmit
Arena Leaderboard共有 static5,039staticapache-2.0
Browser共有 static533staticcc0-1.0
Model Pulse共有 static214staticapache-2.0
MTEB-BR Leaderboard共有 static126staticapache-2.0
Hub Stats共有 static65staticapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

AbdomenAtlas · 工具包

在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。

新上架

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架