Yolov10b

🚀 YOLOv10: リアルタイムエンドツーエンド物体検出

https://github.com/THU-MIG/yolov10 のONNXウェイトです。

このプロジェクトは、リアルタイム物体検出のためのYOLOv10を提供します。ONNXウェイトを使用することで、高速かつ高精度な物体検出を実現します。

遅延-精度のトレードオフ	サイズ-精度のトレードオフ

🚀 クイックスタート

✨ 主な機能

• リアルタイムの物体検出を実現します。
• ONNXウェイトを使用して、高速かつ高精度な検出を行います。

📦 インストール

まだインストールしていない場合は、Transformers.js JavaScriptライブラリをNPMから以下のコマンドでインストールできます。

npm i @xenova/transformers

💻 使用例

基本的な使用法

以下は物体検出を行うコード例です。

import { AutoModel, AutoProcessor, RawImage } from '@xenova/transformers';

// モデルの読み込み
const model = await AutoModel.from_pretrained('onnx-community/yolov10b', {
    // quantized: false,    // (オプション) 非量子化バージョンを使用する場合
})

// プロセッサの読み込み
const processor = await AutoProcessor.from_pretrained('onnx-community/yolov10b');

// 画像の読み込みとプロセッサの実行
const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/city-streets.jpg';
const image = await RawImage.read(url);
const { pixel_values, reshaped_input_sizes } = await processor(image);

// 物体検出の実行
const { output0 } = await model({ images: pixel_values });
const predictions = output0.tolist()[0];

const threshold = 0.5;
const [newHeight, newWidth] = reshaped_input_sizes[0]; // リサイズ後の高さと幅
const [xs, ys] = [image.width / newWidth, image.height / newHeight]; // xとyのリサイズスケール
for (const [xmin, ymin, xmax, ymax, score, id] of predictions) {
    if (score < threshold) continue;

    // 元の画像座標に変換
    const bbox = [xmin * xs, ymin * ys, xmax * xs, ymax * ys].map(x => x.toFixed(2)).join(', ');
    console.log(`Found "${model.config.id2label[id]}" at [${bbox}] with score ${score.toFixed(2)}.`);
}
// Found "car" at [559.30, 472.72, 799.58, 598.15] with score 0.95.
// Found "car" at [221.91, 422.56, 498.09, 521.85] with score 0.94.
// Found "bicycle" at [1.59, 646.99, 137.72, 730.35] with score 0.92.
// Found "bicycle" at [561.25, 593.65, 695.01, 671.73] with score 0.91.
// Found "person" at [687.74, 324.93, 739.70, 415.04] with score 0.89.
// ...

📄 ライセンス

このプロジェクトはAGPL-3.0ライセンスの下で提供されています。