Gelan C All

🚀 Transformers.js

Transformers.jsは、オブジェクト検出を行うJavaScriptライブラリです。このライブラリは、ONNXウェイトを使用して、Transformers.jsと互換性のあるモデルを提供します。

🚀 クイックスタート

このリポジトリは、WongKinYiu/yolov9 のONNXウェイトを使用して、Transformers.jsと互換性を持たせたものです。

📦 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

Xenova/gelan-c_all を使用してオブジェクト検出を行う例です。

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

// モデルをロード
const model = await AutoModel.from_pretrained('Xenova/gelan-c_all', {
    // quantized: false,    // (オプション) 非量子化バージョンを使用する。
})

// プロセッサをロード
const processor = await AutoProcessor.from_pretrained('Xenova/gelan-c_all');
// processor.feature_extractor.size = { shortest_edge: 128 }    // (オプション) リサイズ値を更新する

// 画像を読み込み、プロセッサを実行
const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/city-streets.jpg';
const image = await RawImage.read(url);
const inputs = await processor(image);

// オブジェクト検出を実行
const threshold = 0.3;
const { outputs } = await model(inputs);
const predictions = outputs.tolist();

for (const [xmin, ymin, xmax, ymax, score, id] of predictions) {
    if (score < threshold) break;
    const bbox = [xmin, ymin, xmax, ymax].map(x => x.toFixed(2)).join(', ')
    console.log(`Found "${model.config.id2label[id]}" at [${bbox}] with score ${score.toFixed(2)}.`)
}
// Found "car" at [63.06, 118.80, 139.61, 146.78] with score 0.84.
// Found "bicycle" at [158.32, 166.13, 195.02, 189.03] with score 0.81.
// Found "bicycle" at [123.22, 183.83, 162.71, 206.30] with score 0.79.
// Found "bicycle" at [0.56, 180.92, 39.26, 203.94] with score 0.78.
// Found "car" at [157.10, 132.38, 223.72, 167.69] with score 0.77.
// Found "person" at [193.04, 90.98, 207.09, 116.78] with score 0.77.
// Found "person" at [12.49, 164.97, 27.63, 197.55] with score 0.66.
// Found "traffic light" at [102.80, 74.25, 124.12, 95.75] with score 0.62.
// ...

📚 デモ

こちら でデモを試すことができます。

📄 ライセンス

このプロジェクトは、GPL-3.0ライセンスの下で公開されています。

⚠️ 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分ける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すすめします（ONNXウェイトは onnx というサブフォルダに配置します）。