Yolos Small Rego Plates Detection

🚀 YOLOS (小型) モデル

このモデルは、元のYOLOSモデルをCOCO 2017物体検出データセット（118,000枚の注釈付き画像）でファインチューニングしたものです。YOLOSモデルは、Fangらによる論文 You Only Look at One Sequence: Rethinking Transformer in Vision through Object Detection で導入され、このリポジトリ で最初に公開されました。 さらに、このモデルはKaggleの ナンバープレートデータセット でファインチューニングされています。このデータセットは、「車両」と「ナンバープレート」に分類された735枚の注釈付き画像で構成されています。モデルは、Google Colabを使用して単一のGPUで200エポック訓練されました。

✨ 主な機能

モデルの説明

YOLOSは、DETR損失を使用して訓練されたVision Transformer (ViT) です。シンプルな構造であるにもかかわらず、ベースサイズのYOLOSモデルは、COCO 2017バリデーションデータセットで42 APを達成することができます（DETRやFaster R-CNNなどのより複雑なフレームワークと同等）。

想定される用途と制限

この生モデルは物体検出に使用できます。利用可能なすべてのYOLOSモデルを探すには、モデルハブ を参照してください。

📦 インストール

使い方

このモデルの使用方法は次のとおりです。

from transformers import YolosFeatureExtractor, YolosForObjectDetection
from PIL import Image
import requests

url = 'https://drive.google.com/uc?id=1p9wJIqRz3W50e2f_A0D8ftla8hoXz4T5'
image = Image.open(requests.get(url, stream=True).raw)
feature_extractor = YolosFeatureExtractor.from_pretrained('nickmuchi/yolos-small-rego-plates-detection')
model = YolosForObjectDetection.from_pretrained('nickmuchi/yolos-small-rego-plates-detection')
inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)

# model predicts bounding boxes and corresponding face mask detection classes
logits = outputs.logits
bboxes = outputs.pred_boxes

現在、特徴抽出器とモデルの両方がPyTorchをサポートしています。

🔧 技術詳細

訓練データ

YOLOSモデルは、ImageNet-1k で事前訓練され、COCO 2017物体検出 データセットでファインチューニングされました。このデータセットは、それぞれ118,000枚と5,000枚の注釈付き画像で構成される訓練データセットとバリデーションデータセットです。

訓練

このモデルは、ナンバープレートデータセット で200エポックファインチューニングされました。

評価結果

このモデルは、平均精度 (AP) が 47.9 を達成しています。

評価結果の蓄積中...

IoUメトリック: bbox

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。