Dfine Small Obj365

🚀 D-FINE

D-FINEは、物体検出の分野において、高精度な位置特定を実現する強力なリアルタイム物体検出モデルです。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回帰タスクを再定義することで、卓越した性能を発揮します。

🚀 クイックスタート

概要

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

このモデルは VladOS95-cyber が @qubvel-hf の支援を受けて貢献したもので、HF transformersを用いて実装されています。

• _coco -> COCOデータセットで学習されたモデル
• _obj365 -> Object365データセット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

性能

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つの重要なコンポーネントで構成されています。

使い方

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-small-obj365")
model = DFineForObjectDetection.from_pretrained("ustc-community/dfine-small-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}")

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。

応用例

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。その高い柔軟性とデプロイしやすい設計により、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。