Dfine Large Obj365

🚀 D-FINE

D-FINEは、物体検出の分野で高い性能を発揮するモデルです。このモデルは、DETRモデルにおけるバウンディングボックスの回帰タスクを再定義することで、卓越した位置特定精度を達成します。

🚀 クイックスタート

D-FINEモデルは、D-FINE: Redefine Regression Task in DETRs as Fine-grained Distribution Refinement で提案されました。著者はYansong Peng、Hebei Li、Peixi Wu、Yueyi Zhang、Xiaoyan Sun、Feng Wuです。

このモデルは VladOS95-cyber が @qubvel-hf の助けを得て貢献したもので、HF transformers で実装されています。

• _coco -> COCOで学習されたモデル
• _obj365 -> Object365で学習されたモデル
• _obj2coco -> Object365で学習され、その後COCOでファインチューニングされたモデル

✨ 主な機能

D-FINEは、強力なリアルタイム物体検出器であり、DETRモデルにおけるバウンディングボックスの回帰タスクを再定義することで、卓越した位置特定精度を達成します。D-FINEは、Fine-grained Distribution Refinement (FDR) と Global Optimal Localization Self-Distillation (GO-LSD) の2つの主要なコンポーネントで構成されています。

💻 使用例

基本的な使用法

import torch
import requests

from PIL import Image
from transformers import DFineForObjectDetection, AutoImageProcessor

url = 'http://images.cocodataset.org/val2017/000000039769.jpg'
image = Image.open(requests.get(url, stream=True).raw)

image_processor = AutoImageProcessor.from_pretrained("ustc-community/dfine-large-obj365")
model = DFineForObjectDetection.from_pretrained("ustc-community/dfine-large-obj365")

inputs = image_processor(images=image, return_tensors="pt")

with torch.no_grad():
    outputs = model(**inputs)

results = image_processor.post_process_object_detection(outputs, target_sizes=torch.tensor([image.size[::-1]]), threshold=0.3)

for result in results:
    for score, label_id, box in zip(result["scores"], result["labels"], result["boxes"]):
        score, label = score.item(), label_id.item()
        box = [round(i, 2) for i in box.tolist()]
        print(f"{model.config.id2label[label]}: {score:.2f} {box}")

🔧 技術詳細

学習

D-FINEは、COCOとObjects365 (Lin et al. [2014]) のtrain2017データセットで学習され、COCO + Objects365のval2017データセットで検証されています。標準的なAPメトリクス（IoU閾値を0.50 - 0.95の範囲で0.05刻みで均一にサンプリングした平均）と、実際のシナリオで一般的に使用されるAPval5000を報告しています。

応用

D-FINEは、自動運転、監視システム、ロボット工学、小売分析などの様々なアプリケーションにおけるリアルタイム物体検出に最適です。拡張された柔軟性とデプロイに適した設計により、エッジデバイスと大規模システムの両方に適しており、動的な実世界の環境において高い精度と速度を保証します。

📄 ライセンス

このプロジェクトはApache-2.0ライセンスの下で提供されています。