Owlvit Base Patch32

🚀 ゼロショット物体検出モデル

このプロジェクトは、Transformers.jsと互換性のあるONNXウェイトを持つ、ゼロショット物体検出モデルです。GoogleのOwlViTベースモデルを使用しています。

🚀 クイックスタート

このモデルを使用する前に、Transformers.jsライブラリをインストールする必要があります。以下のコマンドを使用して、NPMからインストールできます。

npm i @xenova/transformers

✨ 主な機能

• ゼロショット物体検出が可能です。
• Transformers.jsと互換性のあるONNXウェイトを使用しています。

📦 インストール

Transformers.jsライブラリをインストールするには、以下のコマンドを実行します。

npm i @xenova/transformers

💻 使用例

基本的な使用法

// ゼロショット物体検出の基本的な使用例
import { pipeline } from '@xenova/transformers';

const detector = await pipeline('zero-shot-object-detection', 'Xenova/owlvit-base-patch32');

const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/astronaut.png';
const candidate_labels = ['human face', 'rocket', 'helmet', 'american flag'];
const output = await detector(url, candidate_labels);
// [
//   { score: 0.24392342567443848, label: 'human face', box: { xmin: 180, ymin: 67, xmax: 274, ymax: 175 } },
//   { score: 0.15129457414150238, label: 'american flag', box: { xmin: 0, ymin: 4, xmax: 106, ymax: 513 } },
//   { score: 0.13649864494800568, label: 'helmet', box: { xmin: 277, ymin: 337, xmax: 511, ymax: 511 } },
//   { score: 0.10262022167444229, label: 'rocket', box: { xmin: 352, ymin: -1, xmax: 463, ymax: 287 } }
// ]

高度な使用法

// 追加パラメータを使用したゼロショット物体検出の例
import { pipeline } from '@xenova/transformers';

const detector = await pipeline('zero-shot-object-detection', 'Xenova/owlvit-base-patch32');

const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/beach.png';
const candidate_labels = ['hat', 'book', 'sunglasses', 'camera'];
const output = await detector(url, candidate_labels, { topk: 4, threshold: 0.05 });
// [
//   { score: 0.1606510728597641, label: 'sunglasses', box: { xmin: 347, ymin: 229, xmax: 429, ymax: 264 } },
//   { score: 0.08935828506946564, label: 'hat', box: { xmin: 38, ymin: 174, xmax: 258, ymax: 364 } },
//   { score: 0.08530698716640472, label: 'camera', box: { xmin: 187, ymin: 350, xmax: 260, ymax: 411 } },
//   { score: 0.08349756896495819, label: 'book', box: { xmin: 261, ymin: 280, xmax: 494, ymax: 425 } }
// ]

📚 ドキュメント

WebMLが普及するまで、ONNXウェイトを別のリポジトリに置くのは一時的な解決策です。モデルをWeb対応にする場合は、🤗 Optimumを使用してONNXに変換し、このリポジトリのように構成することをお勧めします（ONNXウェイトはonnxというサブフォルダに配置します）。

🔧 技術詳細

• ベースモデル: google/owlvit-base-patch32
• ライブラリ名: transformers.js
• パイプラインタグ: zero-shot-object-detection

⚠️ 重要提示

WebMLが普及するまで、ONNXウェイトを別のリポジトリに置くのは一時的な解決策です。

💡 使用建议

モデルをWeb対応にする場合は、🤗 Optimumを使用してONNXに変換し、このリポジトリのように構成することをお勧めします。