Vehicle_Detection_Modelオープンソース車両検出モデル - 多種類の車両識別と位置特定をサポート

ホーム

Vehicle Detection Model

ArrayDiceによって開発

DETRフレームワークに基づく車両検出モデルで、複数の車両タイプの識別と位置特定をサポート

物体検出

Transformers

オープンソースライセンス:Apache-2.0 #多目的検出 #交通シーン #DETRアーキテクチャ

ダウンロード数 32

リリース時間 : 7/11/2024

モデル概要

このモデルはfacebook/detr-resnet-50をファインチューニングした車両検出モデルで、RV、セダン、ピックアップトラックなど様々な車両タイプを識別し、画像内での位置情報を提供します。

モデル特徴

エンドツーエンド物体検出

DETRアーキテクチャを採用し、従来の物体検出で必要だったアンカーボックスの設計が不要で、エンドツーエンドの検出プロセスを実現

多クラス車両識別

RV、セダン、ピックアップトラックなど複数の車両タイプを識別可能

異なるスケールの物体検出

小型、中型、大型など様々なサイズの車両対象に対して検出能力を有する

モデル能力

車両検出

物体位置特定

多クラス識別

使用事例

インテリジェント交通

交通監視分析

交通監視カメラにおける車両検出と統計に使用

異なるタイプの車両を識別し、その数を統計可能

自動運転知覚

自動運転システムに周囲の車両検出能力を提供

自動運転車両が周囲の車両位置とタイプを識別するのを支援

セキュリティ監視

駐車場管理

駐車場の車両出入り検出と分類に使用

異なるタイプの車両の駐車状況を統計可能

🚀 車両検出モデル

このモデルは、facebook/detr - resnet - 50 をNoneデータセットでファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

損失: 0.7220
Map: 0.0875
Map 50: 0.1634
Map 75: 0.084
Map Small: 0.355
Map Medium: 0.1423
Map Large: 0.0499
Mar 1: 0.1462
Mar 10: 0.2602
Mar 100: 0.2709
Mar Small: 0.5
Mar Medium: 0.4013
Mar Large: 0.3
Map Camping car: 0.0039
Mar 100 Camping car: 0.35
Map Car: 0.4971
Mar 100 Car: 0.6256
Map Other: 0.0
Mar 100 Other: 0.0
Map Pickup: 0.0239
Mar 100 Pickup: 0.65
Map Truck: 0.0
Mar 100 Truck: 0.0
Map Van: 0.0
Mar 100 Van: 0.0

🚀 クイックスタート

この車両検出モデルは、facebook/detr - resnet - 50 をベースにファインチューニングされています。評価セットでの各種指標の結果は上記の通りです。

🔧 技術詳細

トレーニングハイパーパラメータ

トレーニング中に使用されたハイパーパラメータは以下の通りです。

学習率: 5e - 05
トレーニングバッチサイズ: 8
評価バッチサイズ: 8
シード: 42
オプティマイザ: Adam (betas=(0.9, 0.999), epsilon = 1e - 08)
学習率スケジューラタイプ: cosine
エポック数: 30

トレーニング結果

トレーニング損失	エポック	ステップ	検証損失	Map	Map 50	Map 75	Map Small	Map Medium	Map Large	Mar 1	Mar 10	Mar 100	Mar Small	Mar Medium	Mar Large	Map Camping car	Mar 100 Camping car	Map Car	Mar 100 Car	Map Pickup	Mar 100 Pickup
No log	1.0	232	1.3186	0.0125	0.0292	0.0085	0.0059	0.0197	0.004	0.0182	0.0467	0.0903	0.0556	0.1396	0.1	0.0	0.0	0.0751	0.5416	0.0	0.0
No log	2.0	464	1.0802	0.0375	0.0832	0.0283	0.263	0.0585	0.0102	0.0254	0.0734	0.0865	0.2667	0.1317	0.15	0.0	0.0	0.2249	0.5189	0.0	0.0
1.4746	3.0	696	0.9804	0.0608	0.125	0.0483	0.2948	0.0938	0.075	0.0305	0.0821	0.0903	0.3556	0.1372	0.075	0.0	0.0	0.3646	0.5416	0.0	0.0
1.4746	4.0	928	0.9139	0.0712	0.1426	0.0577	0.2232	0.1091	0.125	0.0315	0.085	0.0959	0.3333	0.1459	0.125	0.0	0.0	0.4274	0.5754	0.0	0.0
1.0134	5.0	1160	0.9581	0.0637	0.1367	0.0426	0.0804	0.0993	0.075	0.0289	0.0771	0.0846	0.2556	0.1292	0.075	0.0	0.0	0.3823	0.5078	0.0	0.0
1.0134	6.0	1392	0.8830	0.0743	0.1476	0.0645	0.2171	0.1139	0.075	0.0345	0.0862	0.0967	0.3222	0.1474	0.075	0.0	0.0	0.4456	0.5801	0.0	0.0
0.9133	7.0	1624	0.8645	0.0716	0.147	0.0571	0.2156	0.1099	0.0752	0.0329	0.0853	0.0966	0.3111	0.147	0.175	0.0	0.0	0.4296	0.5797	0.0	0.0
0.9133	8.0	1856	0.8776	0.0676	0.1478	0.0445	0.2225	0.1032	0.1254	0.0317	0.0811	0.0934	0.3333	0.1417	0.2	0.0	0.0	0.4056	0.5601	0.0	0.0
0.8617	9.0	2088	0.8556	0.0754	0.1506	0.0638	0.252	0.1153	0.1254	0.0323	0.0881	0.0999	0.3667	0.1517	0.2	0.0	0.0	0.4525	0.5996	0.0	0.0
0.8617	10.0	2320	0.7552	0.0821	0.1528	0.0803	0.361	0.1248	0.1257	0.0347	0.1119	0.1312	0.5222	0.1747	0.2625	0.0	0.0	0.4921	0.6206	0.0004	0.1667
0.8182	11.0	2552	0.8211	0.0741	0.1525	0.0627	0.3014	0.114	0.0503	0.0381	0.1098	0.1544	0.4222	0.2641	0.125	0.0001	0.1	0.4422	0.5762	0.002	0.25
0.8182	12.0	2784	0.8140	0.0734	0.1486	0.056	0.214	0.1129	0.0506	0.0451	0.1066	0.1184	0.3778	0.1941	0.125	0.0	0.0	0.4382	0.594	0.0024	0.1167
0.8079	13.0	3016	0.7473	0.0848	0.1559	0.0789	0.2794	0.1307	0.0779	0.078	0.16	0.1727	0.5	0.2668	0.1625	0.0	0.0	0.4983	0.6363	0.0103	0.4
0.8079	14.0	3248	0.8514	0.0706	0.1541	0.0485	0.3034	0.1071	0.1046	0.079	0.1726	0.1862	0.4222	0.2556	0.2875	0.0	0.0	0.4149	0.5669	0.0089	0.55
0.8079	15.0	3480	0.7615	0.0814	0.1579	0.0709	0.3673	0.1229	0.0691	0.0929	0.161	0.1719	0.4444	0.2177	0.3125	0.0	0.0	0.4774	0.6146	0.0109	0.4167
0.7672	16.0	3712	0.7819	0.0786	0.1555	0.0732	0.2782	0.1182	0.1589	0.103	0.1757	0.1878	0.3556	0.2629	0.325	0.0	0.0	0.4557	0.5936	0.0159	0.5333
0.7672	17.0	3944	0.7723	0.0807	0.1551	0.0757	0.3302	0.1227	0.0687	0.0812	0.1762	0.1939	0.4	0.274	0.3	0.0	0.0	0.4724	0.6135	0.0121	0.55
0.744	18.0	4176	0.7838	0.0784	0.1535	0.0709	0.3594	0.1201	0.0564	0.0865	0.1865	0.2497	0.4	0.3637	0.325	0.0009	0.3	0.4503	0.5982	0.0191	0.6
0.744	19.0	4408	0.7714	0.0763	0.1552	0.0625	0.2732	0.116	0.0675	0.0605	0.1696	0.1824	0.4111	0.2502	0.3	0.0	0.0	0.4461	0.5943	0.0115	0.5
0.7219	20.0	4640	0.7403	0.0808	0.1543	0.0686	0.2968	0.1251	0.0665	0.0984	0.1889	0.1997	0.5111	0.2859	0.3	0.0	0.0	0.4738	0.6146	0.0109	0.5833
0.7219	21.0	4872	0.7421	0.0839	0.1599	0.0803	0.2862	0.2166	0.0451	0.1396	0.2437	0.257	0.5	0.3782	0.275	0.0123	0.4	0.4792	0.6089	0.0118	0.5333
0.6955	22.0	5104	0.7459	0.0844	0.1619	0.0753	0.3116	0.1475	0.0462	0.1395	0.2253	0.2342	0.4333	0.3404	0.2875	0.0068	0.25	0.4815	0.6053	0.018	0.55
0.6955	23.0	5336	0.7439	0.0844	0.1594	0.0782	0.3246	0.1335	0.0682	0.1559	0.2468	0.2567	0.4667	0.378	0.3	0.0031	0.3	0.4854	0.6071	0.018	0.6333
0.6836	24.0	5568	0.7263	0.0879	0.1619	0.0854	0.3509	0.1397	0.0597	0.1718	0.2499	0.2589	0.4333	0.3818	0.275	0.0027	0.3	0.4998	0.6203	0.025	0.6333
0.6836	25.0	5800	0.7146	0.0881	0.1632	0.087	0.3606	0.1412	0.0714	0.1518	0.2466	0.2572	0.4667	0.3768	0.3	0.0032	0.3	0.4988	0.6263	0.0267	0.6167
0.6671	26.0	6032	0.7180	0.0915	0.1678	0.0918	0.3652	0.2262	0.0483	0.163	0.2506	0.2672	0.5	0.3979	0.2875	0.0186	0.35	0.5069	0.6367	0.0235	0.6167
0.6671	27.0	6264	0.7219	0.0907	0.1678	0.0888	0.3596	0.2122	0.0492	0.1375	0.26	0.2709	0.5	0.4012	0.3	0.0184	0.35	0.5014	0.6253	0.0243	0.65
0.6671	28.0	6496	0.7177	0.0882	0.1642	0.0866	0.3625	0.1439	0.0505	0.1463	0.2603	0.2715	0.5111	0.4021	0.3	0.0038	0.35	0.4996	0.6288	0.0256	0.65
0.656	29.0	6728	0.7257	0.0873	0.1634	0.084	0.355	0.1417	0.0497	0.1433	0.2572	0.2708	0.5	0.401	0.3	0.0039	0.35	0.4962	0.6246	0.0237	0.65
0.656	30.0	6960	0.7220	0.0875	0.1634	0.084	0.355	0.1423	0.0499	0.1462	0.2602	0.2709	0.5	0.4013	0.3	0.0039	0.35	0.4971	0.6256	0.0239	0.65