Dfine Medium Obj2coco

🚀 D-FINE

D-FINEは、リアルタイム物体検出に特化したモデルです。DETRモデルにおけるバウンディングボックス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によって貢献され、@qubvel-hfの支援を受けています。これはD-FINEのHF transformers実装です。

• _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、DETRモデルのバウンディングボックス回帰タスクを再定義することで、優れた位置特定精度を達成します。D-FINEは2つの主要なコンポーネントで構成されています：Fine-grained Distribution Refinement (FDR) と Global Optimal Localization Self-Distillation (GO-LSD)。

💻 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-medium-obj2coco")
model = DFineForObjectDetection.from_pretrained("ustc-community/dfine-medium-obj2coco")

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}")

📚 詳細ドキュメント

学習

D-FINEはCOCO (Lin et al. [2014]) train2017で学習され、COCO 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ものの平均）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、動的な実世界環境における高精度と高速性を保証します。

📄 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。