Rtdetr R50vd Coco O365

🚀 RT-DETR模型卡片

RT-DETR是一款即時端到端目標檢測模型，它解決了現有目標檢測框架在速度和準確性之間難以平衡的問題。該模型通過高效的混合編碼器和不確定性最小查詢選擇等技術，在保證檢測速度的同時提高了檢測精度，適用於多種目標檢測場景。

🚀 快速開始

使用以下代碼開始使用該模型：

import torch
import requests

from PIL import Image
from transformers import RTDetrForObjectDetection, RTDetrImageProcessor

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

image_processor = RTDetrImageProcessor.from_pretrained("PekingU/rtdetr_r50vd_coco_o365")
model = RTDetrForObjectDetection.from_pretrained("PekingU/rtdetr_r50vd_coco_o365")

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}")

該代碼的輸出示例如下：

sofa: 0.97 [0.14, 0.38, 640.13, 476.21]
cat: 0.96 [343.38, 24.28, 640.14, 371.5]
cat: 0.96 [13.23, 54.18, 318.98, 472.22]
remote: 0.95 [40.11, 73.44, 175.96, 118.48]
remote: 0.92 [333.73, 76.58, 369.97, 186.99]

✨ 主要特性

• 即時端到端檢測：RT-DETR是首個即時端到端目標檢測器，解決了現有目標檢測框架在速度和準確性之間的困境。
• 高效混合編碼器：通過解耦尺度內交互和跨尺度融合，設計了高效的混合編碼器，能夠快速處理多尺度特徵，提高檢測速度。
• 不確定性最小查詢選擇：提出了不確定性最小查詢選擇方法，為解碼器提供高質量的初始查詢，從而提高檢測精度。
• 靈活的速度調整：支持通過調整解碼器層數來靈活調整速度，以適應各種場景，無需重新訓練。

📦 安裝指南

文檔未提供安裝步驟，如需使用該模型，可參考Hugging Face的transformers庫安裝說明。

💻 使用示例

基礎用法

import torch
import requests

from PIL import Image
from transformers import RTDetrForObjectDetection, RTDetrImageProcessor

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

image_processor = RTDetrImageProcessor.from_pretrained("PekingU/rtdetr_r50vd_coco_o365")
model = RTDetrForObjectDetection.from_pretrained("PekingU/rtdetr_r50vd_coco_o365")

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}")

高級用法

文檔未提供高級用法示例，可根據實際需求對基礎用法代碼進行擴展。

📚 詳細文檔

模型詳情

YOLO系列由於在速度和精度之間取得了合理的平衡，已成為即時目標檢測中最流行的框架。然而，我們發現YOLO系列的速度和精度會受到非極大值抑制（NMS）的負面影響。最近，基於端到端Transformer的檢測器（DETR）提供了一種消除NMS的替代方案。然而，高計算成本限制了它們的實用性，並阻礙了它們充分發揮排除NMS的優勢。在本文中，我們提出了即時檢測Transformer（RT-DETR），據我們所知，這是第一個解決上述困境的即時端到端目標檢測器。我們借鑑先進的DETR，分兩步構建RT-DETR：首先，我們專注於在提高速度的同時保持精度，然後在保持速度的同時提高精度。具體來說，我們設計了一個高效的混合編碼器，通過解耦尺度內交互和跨尺度融合來快速處理多尺度特徵，以提高速度。然後，我們提出了不確定性最小查詢選擇方法，為解碼器提供高質量的初始查詢，從而提高精度。此外，RT-DETR支持通過調整解碼器層數來靈活調整速度，以適應各種場景，無需重新訓練。我們的RT-DETR-R50 / R101在COCO數據集上達到了53.1% / 54.3%的平均精度（AP），在T4 GPU上達到了108 / 74幀每秒（FPS），在速度和精度上都優於之前先進的YOLO系列。我們還開發了縮放版的RT-DETR，其性能優於更輕量級的YOLO檢測器（S和M模型）。此外，RT-DETR-R50在精度上比DINO-R50高2.2%的AP，在FPS上約高21倍。在使用Objects365進行預訓練後，RT-DETR-R50 / R101達到了55.3% / 56.2%的AP。項目頁面：https URL。

模型來源

• HF文檔：RT-DETR
• 代碼倉庫：https://github.com/lyuwenyu/RT-DETR
• 論文：https://arxiv.org/abs/2304.08069
• 演示：RT-DETR跟蹤

訓練詳情

訓練數據

RT-DETR模型在COCO 2017目標檢測數據集上進行訓練，該數據集分別包含118k和5k張帶註釋的圖像用於訓練和驗證。

訓練過程

我們在COCO和Objects365數據集上進行實驗，其中RT-DETR在COCO train2017數據集上進行訓練，並在COCO val2017數據集上進行驗證。我們報告了標準的COCO指標，包括平均精度（AP，在均勻採樣的交併比（IoU）閾值範圍從0.50到0.95，步長為0.05的情況下進行平均）、AP50、AP75，以及不同尺度下的AP：APS、APM、APL。

預處理

圖像被調整為640x640像素，並使用image_mean=[0.485, 0.456, 0.406]和image_std=[0.229, 0.224, 0.225]進行歸一化。

訓練超參數

• 訓練模式：文檔未明確提及訓練模式，可參考論文或代碼倉庫獲取更多信息。

評估

模型架構和目標

RT-DETR概述。我們將骨幹網絡最後三個階段的特徵輸入到編碼器中。高效的混合編碼器通過基於注意力的尺度內特徵交互（AIFI）和基於卷積神經網絡的跨尺度特徵融合（CCFF）將多尺度特徵轉換為圖像特徵序列。然後，不確定性最小查詢選擇方法選擇固定數量的編碼器特徵作為解碼器的初始目標查詢。最後，帶有輔助預測頭的解碼器迭代優化目標查詢，以生成類別和邊界框。

引用

如果您使用了該模型，請引用以下論文：

@misc{lv2023detrs,
      title={DETRs Beat YOLOs on Real-time Object Detection},
      author={Yian Zhao and Wenyu Lv and Shangliang Xu and Jinman Wei and Guanzhong Wang and Qingqing Dang and Yi Liu and Jie Chen},
      year={2023},
      eprint={2304.08069},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

🔧 技術細節

文檔未提供詳細的技術實現細節，可參考論文或代碼倉庫獲取更多信息。

📄 許可證

該模型遵循Apache-2.0許可證。

模型卡片作者

• Sangbum Choi
• Pavel Iakubovskii