List your company

Object Detection on COCO 2017 (val)

64.6APFocal-Stable-DINO
57.52859.36461.263.036Jun 16, 2021Apr 12, 2022Feb 7, 2023Dec 4, 2023Sep 30, 2024Jul 27, 2025May 24, 2026

Evaluation results

MethodLinks
Focal-Stable-DINOBackbone=FocalNet-Huge [26], #Param.=689M, Pre-training Dataset=IN-22K + O365, TTA=false, w/ Mask=false2023.0464.6———————————————————————————————————————————————————————————————————————————————————————
EVA-01Backbone=EVA, #Param.=1.0B, Pre-training Dataset=merged-30M, TTA=true, w/ Mask=true2023.0464.5———————————————————————————————————————————————————————————————————————————————————————
Co-Deformable-DETRBackbone=MixMIM-g [14], #Param.=1.0B, Pre-training Dataset=IN-1K + O365, TTA=true, w/ Mask=false2023.0464.4———————————————————————————————————————————————————————————————————————————————————————
FD-SwinV2-G#Params.=3.0B, Backbone Pretraining=IN-22K + IN-1K + ext-70M (85M), Detection Pretraining=O365, TTA=false2022.0364.2———————————————————————————————————————————————————————————————————————————————————————
FocalNet-H (DINO)#Params.=746M, Backbone Pretraining=IN-22K (14M), Detection Pretraining=O365, W/ Mask=false, TTA=true2022.0364.2———————————————————————————————————————————————————————————————————————————————————————
FocalNet-DINOBackbone=FocalNet-Huge [26], #Param.=689M, Pre-training Dataset=IN-22K + O365, TTA=true, w/ Mask=false2023.0464.2———————————————————————————————————————————————————————————————————————————————————————
InternImage-DINOBackbone=InternImage-XL, #Param.=602M, Pre-training Dataset=IN-22K + O365, TTA=true, w/ Mask=false2023.0464.2———————————————————————————————————————————————————————————————————————————————————————
EVA-01Backbone=EVA, #Param.=1.0B, Pre-training Dataset=merged-30M, TTA=false, w/ Mask=true2023.0464.2———————————————————————————————————————————————————————————————————————————————————————
EVA-02Backbone=EVA-02, #Param.=304M, Pre-training Dataset=merged-38M, TTA=false, w/ Mask=true2023.0464.1———————————————————————————————————————————————————————————————————————————————————————
FocalNet-H (DINO)#Params.=746M, Backbone Pretraining=IN-22K (14M), Detection Pretraining=O365, W/ Mask=false, TTA=false2022.0364———————————————————————————————————————————————————————————————————————————————————————
FocalNet-DINOBackbone=FocalNet-Huge [26], #Param.=689M, Pre-training Dataset=IN-22K + O365, TTA=false, w/ Mask=false2023.0464———————————————————————————————————————————————————————————————————————————————————————
BEiT-3#Params.=1.9B, Backbone Pretraining=IN-22K + Image-Text Pairs (35M) + Text (160GB), Detection Pretraining=O365, TTA=false2022.0363.7———————————————————————————————————————————————————————————————————————————————————————
FDBackbone=SwinV2-G, #Param.=3.0B, Pre-training Dataset=IN-22K-ext + O365, TTA=true, w/ Mask=true2023.0463.7———————————————————————————————————————————————————————————————————————————————————————
Stable-DINOBackbone=Swin-L, #Param.=218M, Pre-training Dataset=IN-22K + O365, TTA=false, w/ Mask=false2023.0463.7———————————————————————————————————————————————————————————————————————————————————————
BEIT-3Backbone=Multiway-T2026.0163.7———————————————————————————————————————————————————————————————————————————————————————
DINO (Swin-L)#Params.=218M, Backbone Pretraining=IN-22K (14M), Detection Pretraining=O365, W/ Mask=false, TTA=true2022.0363.2———————————————————————————————————————————————————————————————————————————————————————
DINOBackbone=Swin-L [19], #Param.=218M, Pre-training Dataset=IN-22K + O365, TTA=false, w/ Mask=false2023.0463.2———————————————————————————————————————————————————————————————————————————————————————
DINO (Swin-L)#Params.=218M, Backbone Pretraining=IN-22K (14M), Detection Pretraining=O365, W/ Mask=false, TTA=false2022.0363.1———————————————————————————————————————————————————————————————————————————————————————
DINOBackbone=Swin-L, Backbone Pre-training=IN-22K, Full model Pre-training=Object365, Testing Scale=single-scale, Framework=Closed-Set2022.1263.1———————————————————————————————————————————————————————————————————————————————————————
Grounding DINO LBackbone=Swin-L, Pre-Training Data=O365, OI, GoldG, Protocol=Fine-Tuning, Image Size=1.5x (2000)2023.0363———————————————————————————————————————————————————————————————————————————————————————
Grounding DINO LBackbone=Swin-L, Pre-Training Data=O365, OI, GoldG, Protocol=Fine-Tuning2023.0362.6———————————————————————————————————————————————————————————————————————————————————————
Grounding DINOBackbone=Swin-L2026.0162.6———————————————————————————————————————————————————————————————————————————————————————
SwinV2-G#Params.=3.0B, Backbone Pretraining=In-22K + ext-70M (84M), Detection Pretraining=FLD-9M, W/ Mask=true, TTA=true2022.0362.5———————————————————————————————————————————————————————————————————————————————————————
HTC++Backbone=SwinV2-G [18], #Param.=3.0B, Pre-training Dataset=IN-22K-ext + O365, TTA=true, w/ Mask=true2023.0462.5———————————————————————————————————————————————————————————————————————————————————————
DINO(Swin-L)Backbone=Swin-L, Pre-Training Data=O365, Protocol=Fine-Tuning2023.0362.5———————————————————————————————————————————————————————————————————————————————————————
Florence-CoSwin-H#Params.=>637M, Backbone Pretraining=FLD-900M (900M), Detection Pretraining=FourODs + GoldG + Cap24M, W/ Mask=false, TTA=true2022.0362.4———————————————————————————————————————————————————————————————————————————————————————
Florence-CoSwin-H#Params.=>637M, Backbone Pretraining=FLD-900M (900M), Detection Pretraining=FourODs + GoldG + Cap24M, W/ Mask=false, TTA=false2022.0362———————————————————————————————————————————————————————————————————————————————————————
FlorenceBackbone=CoSwin-H, #Param.=637M, Pre-training Dataset=FLD900M + merged data^a, TTA=false, w/ Mask=false2023.0462———————————————————————————————————————————————————————————————————————————————————————
SwinV2-G#Params.=3.0B, Backbone Pretraining=In-22K + ext-70M (84M), Detection Pretraining=FLD-9M, W/ Mask=true, TTA=false2022.0361.9———————————————————————————————————————————————————————————————————————————————————————
GLIP (DyHead)#Params.=>284M, Backbone Pretraining=IN-22K (14M), Detection Pretraining=COCO-unlabeled + O365, W/ Mask=false, TTA=true2022.0361.5———————————————————————————————————————————————————————————————————————————————————————
GLIP-LBackbone=Swin-L, Pre-Train Data=FourODs, GoldG, Cap24M, Evaluation Protocol=Fine-Tune2021.1260.8———————————————————————————————————————————————————————————————————————————————————————
GLIP (DyHead)#Params.=>284M, Backbone Pretraining=IN-22K (14M), Detection Pretraining=COCO-unlabeled + O365, W/ Mask=false, TTA=false2022.0360.8———————————————————————————————————————————————————————————————————————————————————————
GLIP-Lprotocol=Fine-tune, scale=Larger size/More data2022.0660.8———————————————————————————————————————————————————————————————————————————————————————
GLIP-LBackbone=Swin-L, Pre-Training Data=FourODs, GoldG, Cap24M, Protocol=Fine-Tuning2023.0360.8———————————————————————————————————————————————————————————————————————————————————————
Soft Teacherdetector=HTC++, backbone=Swin-L, scale=multi-scale, pre-training=Object365 [24]2021.0660.7———————————————————————————————————————————————————————————————————————————————————————
SoftTeacherBackbone=Swin-L, Pre-Train Data=O365, SS-COCO, Evaluation Protocol=Fine-Tune2021.1260.7———————————————————————————————————————————————————————————————————————————————————————
Soft-Teacher (Swin-L)#Params.=284M, Backbone Pretraining=IN-22K (14M), Detection Pretraining=O365, W/ Mask=true, TTA=true2022.0360.7———————————————————————————————————————————————————————————————————————————————————————
Soft-TeacherBackbone=Swin-L, #Param.=284M, Pre-training Dataset=IN22k + O365 + COCO(unlabeled), TTA=false, w/ Mask=true2023.0460.7———————————————————————————————————————————————————————————————————————————————————————
Soft TeacherBackbone=Swin-L, Pre-Training Data=O365, SS-COCO, Protocol=Fine-Tuning2023.0360.7———————————————————————————————————————————————————————————————————————————————————————
Grounding DINO LBackbone=Swin-L, Pre-Training Data=O365, OI, GoldG, Cap4M, COCO, RefC, Protocol=Zero-Shot, Note=Reference result, not pure zero-shot2023.0360.7———————————————————————————————————————————————————————————————————————————————————————
DINO-X Pro + OVOD-AgentAgent=OVOD-Agent2025.1160.6——————————————————————————————————————————————————————————————————————155————————————————
UNINEXTBackbone=ViT-H2023.0360.677.566.745.164.875.3——————————————————————————————————————————————————————————————————————————————————
TinyFormer-XL-PBMParams (M)=125.5, FLOPs (G)=437.9, Lat. (ms)=7.912026.0560.67866.343.465.977.9——————————————————————————————————————————————————————————————————————————————————
ViTDetBackbone=ViT-H, Backbone Pre-training=IN-1K, Testing Scale=single-scale, Framework=Closed-Set2022.1260.4———————————————————————————————————————————————————————————————————————————————————————
DyHead-LBackbone=Swin-L, Pre-Train Data=O365, ImageNet21K, Evaluation Protocol=Fine-Tune2021.1260.3———————————————————————————————————————————————————————————————————————————————————————
GRITBackbone=ViT-H, Backbone Pre-training=IN-1K, Full model Pre-training=Object365, Testing Scale=single-scale, Framework=Open-Set2022.1260.378.165.7—————————————————————————————————————————————————————————————————————————————————————
DyHeadBackbone=Swin-L2023.0360.3———————————————————————————————————————————————————————————————————————————————————————
DyHead-LBackbone=Swin-L, Pre-Training Data=O365, ImageNet21K, Protocol=Fine-Tuning2023.0360.3———————————————————————————————————————————————————————————————————————————————————————
DINO-X ProAgent=None2025.1160.2———————————————————————————————————————————————————————————————————————————————————————
VisionLLM-HBackbone=Intern-H, Open-Ended=true, Training Mode=shared-parameter2023.0560.279.365.8—————————————————————————————————————————————————————————————————————————————————————
Soft Teacherdetector=HTC++, backbone=Swin-L, scale=single-scale, pre-training=Object365 [24]2021.0660.1———————————————————————————————————————————————————————————————————————————————————————
Soft-Teacher (Swin-L)#Params.=284M, Backbone Pretraining=IN-22K (14M), Detection Pretraining=O365, W/ Mask=true, TTA=false2022.0360.1———————————————————————————————————————————————————————————————————————————————————————
Soft TeacherBackbone=Swin-L, Backbone Pre-training=IN-22K, Full model Pre-training=Object365, Testing Scale=single-scale, Framework=Closed-Set2022.1260.1———————————————————————————————————————————————————————————————————————————————————————
Soft Teacherdetector=HTC++, backbone=Swin-L, scale=multi-scale2021.0659.9———————————————————————————————————————————————————————————————————————————————————————
Soft Teacherdetector=HTC++, backbone=Swin-L, multi-scale=true2021.0659.9———————————————————————————————————————————————————————————————————————————————————————
D-FINE-X#Params.=62M, GFLOPs=202, Latency (ms)=12.89, Architecture=End-to-end, Pre-training=Objects3652024.1059.376.864.642.364.276.4——————————————————————————————————————————————————————————————————————————————————
D-FINE-X#Params.=62M, GFLOPs=202, Latency (ms)=12.90, Pre-training=Objects3652026.0359.376.864.642.364.276.4——————————————————————————————————————————————————————————————————————————————————
Soft Teacherdetector=HTC++, backbone=Swin-L, scale=single-scale2021.0659.1———————————————————————————————————————————————————————————————————————————————————————
Soft Teacherdetector=HTC++, backbone=Swin-L, multi-scale=false2021.0659.1———————————————————————————————————————————————————————————————————————————————————————
GRITBackbone=ViT-H, Backbone Pre-training=IN-1K, Testing Scale=single-scale, Framework=Open-Set2022.1258.876.664.4—————————————————————————————————————————————————————————————————————————————————————
GLIPv2-BModel Type=detection + understanding, Backbone=Swin-Base2023.0658.8———————————————————————————————————————————————————————————————————————————————————————
ScaleDet-BModel Type=multi-dataset detection, Backbone=Swin-Base2023.0658.8———————————————————————————————————————————————————————————————————————————————————————
Focal-L (DyHead)#Params.=229M, Backbone Pretraining=IN-22K (14M), Detection Pretraining=n/a, W/ Mask=true, TTA=true2022.0358.7———————————————————————————————————————————————————————————————————————————————————————
ViTDet-HBackbone=ViT-H2023.0358.7———————————————————————————————————————————————————————————————————————————————————————
ViTDetBackbone=ViT-H2024.1058.7———————————————————————————————————————————————————————————————————————————————————————
Mr. DETR++Backbone=Swin-L, Epochs=12, Queries=9002024.1258.776.56442.262.975.2——————————————————————————————————————————————————————————————————————————————————
Uni-Perceiver-V2Backbone=ViT-B, Open-Ended=false2023.0558.6———————————————————————————————————————————————————————————————————————————————————————
RF-DETR-X#Params.=126M, GFLOPs=300, Latency (ms)=14.79, Pre-training=Objects3652026.0358.677.463.840.363.976.2——————————————————————————————————————————————————————————————————————————————————
DINO-det-5scaleBackbone=Swin-L2024.1058.5———————————————————————————————————————————————————————————————————————————————————————
TinyFormer-X-PBMParams (M)=51.5, FLOPs (G)=164.2, Lat. (ms)=4.812026.0558.575.964.140.963.276.6——————————————————————————————————————————————————————————————————————————————————
DyHead-LBackbone=Swin-L, Pre-Train Data=None, Evaluation Protocol=Fine-Tune2021.1258.4———————————————————————————————————————————————————————————————————————————————————————
DyHead (Swin-L)#Params.=213M, Backbone Pretraining=IN-22K (14M), Detection Pretraining=n/a, W/ Mask=true, TTA=true2022.0358.4———————————————————————————————————————————————————————————————————————————————————————
FIBER-Bprotocol=Fine-tune, scale=Larger size/More data2022.0658.4———————————————————————————————————————————————————————————————————————————————————————
DyHeadBackbone=Swin-L, Backbone Pre-training=IN-22K, Testing Scale=single-scale, Framework=Closed-Set2022.1258.4———————————————————————————————————————————————————————————————————————————————————————
ViT-Adapter-LBackbone=ViT-L, Backbone Pre-training=IN-22K, Testing Scale=single-scale, Framework=Closed-Set2022.1258.4———————————————————————————————————————————————————————————————————————————————————————
OV-DINO²Image Encoder=Swin-T, Pre-Training Data=O365, GoldG, Data Size=1.38M, Epochs=24, Evaluation Protocol=Fine-Tuning2024.0758.4———————————————————————————————————————————————————————————————————————————————————————
DyHead-LBackbone=Swin-L, Protocol=Fine-Tuning2023.0358.4———————————————————————————————————————————————————————————————————————————————————————
Mr. DETR++Backbone=Swin-L2026.0158.4———————————————————————————————————————————————————————————————————————————————————————
Mr. DETRBackbone=Swin-L, Epochs=12, Queries=9002024.1258.476.363.940.862.875.3——————————————————————————————————————————————————————————————————————————————————
TinyFormer-XParams (M)=49.8, FLOPs (G)=151.1, Lat. (ms)=4.632026.0558.475.964.139.363.176.5——————————————————————————————————————————————————————————————————————————————————
LW-DETR-X#Params.=118M, GFLOPs=174, Latency (ms)=16.06, Architecture=End-to-end, Pre-training=Objects3652024.1058.376.963.340.963.374.8——————————————————————————————————————————————————————————————————————————————————
LW-DETR-X#Epochs=60, #Params.=118M, GFLOPs=174, Latency (ms)=16.06, Pre-training=Objects3652026.0358.376.963.340.963.374.8——————————————————————————————————————————————————————————————————————————————————
Superviseddetector=HTC++, backbone=Swin-L, scale=multi-scale2021.0658.2———————————————————————————————————————————————————————————————————————————————————————
Superviseddetector=HTC++, backbone=Swin-L, multi-scale=true2021.0658.2———————————————————————————————————————————————————————————————————————————————————————
OV-DINO³Image Encoder=Swin-T, Pre-Training Data=O365, GoldG, CC1M+, Data Size=2.38M, Epochs=24, Evaluation Protocol=Fine-Tuning2024.0758.2———————————————————————————————————————————————————————————————————————————————————————
MI-DETRBackbone=Swin-L, Epochs=122025.0358.276.563.442.562.874.6——————————————————————————————————————————————————————————————————————————————————
MI-DETREpoches=12, Queries=900, Backbone=Swin-L2026.0158.276.563.442.562.874.6——————————————————————————————————————————————————————————————————————————————————
LoRA-DETREpoches=12, Queries=900, Backbone=Swin-L, Precision=bf16 mixed-precision2026.0158.276.263.441.86374.4——————————————————————————————————————————————————————————————————————————————————
UNINEXTBackbone=ConvNeXt-L2023.0358.174.963.740.762.573.6——————————————————————————————————————————————————————————————————————————————————
Relation-DETREpoches=24, Queries=900, Backbone=Swin-L2026.0158.176.363.24262.773.7——————————————————————————————————————————————————————————————————————————————————
MDS-DETRBackbone=Swin-L2026.0558.176.263.642.662.774.7——————————————————————————————————————————————————————————————————————————————————
Swin-L (HTC++)#Params.=284M, Backbone Pretraining=IN-22K (14M), Detection Pretraining=n/a, W/ Mask=true, TTA=true2022.0358———————————————————————————————————————————————————————————————————————————————————————
HTC++Backbone=Swin-L2023.0358———————————————————————————————————————————————————————————————————————————————————————
ECDet-X#Epochs=50, #Params.=49M, GFLOPs=151, Latency (ms)=12.702026.0357.97662.938.763.476.1——————————————————————————————————————————————————————————————————————————————————
Relation-DETRBackbone=Swin-L, Epochs=122024.0757.876.162.941.262.174.4——————————————————————————————————————————————————————————————————————————————————
Relation-DETRBackbone=Swin-L, Epochs=122024.0757.876.162.941.262.174.4——————————————————————————————————————————————————————————————————————————————————
Relation-DETRPub. Year=ECCV 2024, Backbone=Swin-L, Epochs=122025.0357.876.162.941.262.174.4——————————————————————————————————————————————————————————————————————————————————
EASE-DETREpoches=12, Queries=900, Backbone=Swin-L2026.0157.876.763.340.761.973.7——————————————————————————————————————————————————————————————————————————————————
Relation-DETREpoches=12, Queries=900, Backbone=Swin-L, note=baseline model2026.0157.876.162.941.262.174.4——————————————————————————————————————————————————————————————————————————————————
EASE-DETRBackbone=Swin-L, Epochs=12, Queries=9002024.1257.876.763.340.761.973.7——————————————————————————————————————————————————————————————————————————————————