facebook-detr-resnet-50-finetuned-10k-cppe5開源模型 - 免費部署精準檢測醫療防護裝備

首頁

Facebook Detr Resnet 50 Finetuned 10k Cppe5 With Augs

由qubvel-hf開發

基於facebook/detr-resnet-50在cppe-5數據集上微調的目標檢測模型，專注於醫療防護裝備檢測

目標檢測

Transformers

開源協議:Apache-2.0 #醫療防護裝備檢測 #目標檢測微調 #多尺度物體識別

下載量 19

發布時間 : 4/30/2024

模型概述

該模型是基於DETR（Detection Transformer）架構的ResNet-50變體，專門針對醫療防護裝備（PPE）檢測任務進行了微調。

模型特點

醫療防護裝備檢測

專門針對防護服、面罩、手套、護目鏡和口罩等醫療防護裝備優化的檢測能力

多尺度檢測能力

能夠檢測不同尺寸的目標，包括小、中、大型防護裝備

數據增強訓練

訓練過程中使用了數據增強技術以提高模型泛化能力

模型能力

醫療防護裝備檢測

多類別目標識別

圖像中物體定位

小目標檢測

使用案例

醫療安全

醫院防護裝備合規檢測

自動檢測醫護人員是否穿戴完整防護裝備

可識別五種主要防護裝備，平均精度(mAP)達0.2873

防疫監控

公共場所防護裝備佩戴情況監測

對口罩檢測mAP達0.2871，召回率@100為0.3907

工業安全

工廠安全裝備檢查

自動檢測工人是否佩戴必要防護裝備

防護服檢測mAP達0.5461，召回率@100為0.6932

🚀 facebook-detr-resnet-50-finetuned-10k-cppe5-with-augs

該模型是 facebook/detr-resnet-50 在 cppe - 5 數據集上的微調版本，可用於目標檢測任務，在評估集上取得了較好的效果。

🚀 快速開始

此模型是在 facebook/detr-resnet-50 基礎上，針對 cppe - 5 數據集進行微調得到的。它在評估集上有如下表現：

損失值（Loss）：1.2371
平均精度均值（Map）：0.2873
Map 50：0.5678
Map 75：0.2501
Map 小目標：0.126
Map 中目標：0.2327
Map 大目標：0.4873
召回率均值（Mar）1：0.2843
Mar 10：0.4643
Mar 100：0.4762
Mar 小目標：0.2338
Mar 中目標：0.4167
Mar 大目標：0.7114
Map 全覆蓋：0.5461
Mar 100 全覆蓋：0.6932
Map 防護面罩：0.2167
Mar 100 防護面罩：0.4785
Map 手套：0.2135
Mar 100 手套：0.4094
Map 護目鏡：0.173
Mar 100 護目鏡：0.4092
Map 口罩：0.2871
Mar 100 口罩：0.3907

🔧 技術細節

訓練超參數

訓練過程中使用了以下超參數：

屬性	詳情
學習率（learning_rate）	5e - 05
訓練批次大小（train_batch_size）	8
評估批次大小（eval_batch_size）	8
隨機種子（seed）	1337
優化器（optimizer）	Adam（β1 = 0.9，β2 = 0.999，ε = 1e - 08）
學習率調度器類型（lr_scheduler_type）	線性
訓練輪數（num_epochs）	100.0
混合精度訓練（mixed_precision_training）	原生自動混合精度（Native AMP）

訓練結果

| 訓練損失 | 輪數 | 步數 | 驗證損失 | Map | Map 50 | Map 75 | Map 小目標 | Map 中目標 | Map 大目標 | Mar 1 | Mar 10 | Mar 100 | Mar 小目標 | Mar 中目標 | Mar 大目標 | Map 全覆蓋 | Mar 100 全覆蓋 | Map 防護面罩 | Mar 100 防護面罩 | Map 手套 | Mar 100 手套 | Map 護目鏡 | Mar 100 護目鏡 | Map 口罩 | Mar 100 口罩 | | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | | 2.6324 | 1.0 | 107 | 2.3696 | 0.0355 | 0.0772 | 0.0305 | 0.0094 | 0.0044 | 0.0388 | 0.0606 | 0.1313 | 0.1643 | 0.0314 | 0.0921 | 0.1907 | 0.1559 | 0.536 | 0.0 | 0.0 | 0.0064 | 0.1433 | 0.0 | 0.0 | 0.0151 | 0.1422 | | 2.0851 | 2.0 | 214 | 2.1468 | 0.0518 | 0.1164 | 0.0389 | 0.0106 | 0.0151 | 0.0683 | 0.0809 | 0.1628 | 0.1881 | 0.023 | 0.1069 | 0.2515 | 0.2068 | 0.5842 | 0.0 | 0.0 | 0.0174 | 0.167 | 0.0 | 0.0 | 0.035 | 0.1893 | | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | | 0.7948 | 100.0 | 10700 | 1.2371 | 0.2873 | 0.5678 | 0.2501 | 0.126 | 0.2327 | 0.4873 | 0.2843 | 0.4643 | 0.4762 | 0.2338 | 0.4167 | 0.7114 | 0.5461 | 0.6932 | 0.2167 | 0.4785 | 0.2135 | 0.4094 | 0.173 | 0.4092 | 0.2871 | 0.3907 |