Yolov9 C All

🚀 transformers.js

transformers.js 庫將 https://github.com/WongKinYiu/yolov9 的 ONNX 權重進行適配，使其與 Transformers.js 兼容，可用於目標檢測任務。

🚀 快速開始

安裝

如果你還沒有安裝 Transformers.js JavaScript 庫，可以使用以下命令從 NPM 進行安裝：

npm i @xenova/transformers

使用示例

基礎用法

以下示例展示瞭如何使用 Xenova/yolov9-c_all 模型進行目標檢測：

import { AutoModel, AutoProcessor, RawImage } from '@xenova/transformers';

// 加載模型
const model = await AutoModel.from_pretrained('Xenova/yolov9-c_all', {
    // quantized: false,    // (可選) 使用未量化版本。
})

// 加載處理器
const processor = await AutoProcessor.from_pretrained('Xenova/yolov9-c_all');
// processor.feature_extractor.size = { shortest_edge: 128 }    // (可選) 更新調整大小的值

// 讀取圖像並運行處理器
const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/city-streets.jpg';
const image = await RawImage.read(url);
const inputs = await processor(image);

// 運行目標檢測
const threshold = 0.3;
const { outputs } = await model(inputs);
const predictions = outputs.tolist();

for (const [xmin, ymin, xmax, ymax, score, id] of predictions) {
    if (score < threshold) break;
    const bbox = [xmin, ymin, xmax, ymax].map(x => x.toFixed(2)).join(', ')
    console.log(`Found "${model.config.id2label[id]}" at [${bbox}] with score ${score.toFixed(2)}.`)
}
// Found "bicycle" at [0.64, 181.27, 38.81, 203.94] with score 0.84.
// Found "car" at [157.68, 137.26, 223.67, 167.39] with score 0.78.
// Found "bicycle" at [157.69, 167.86, 195.10, 188.92] with score 0.78.
// Found "bicycle" at [123.69, 184.40, 162.44, 206.26] with score 0.74.
// Found "car" at [62.47, 119.27, 139.17, 145.84] with score 0.73.
// Found "person" at [193.18, 91.03, 206.57, 116.17] with score 0.72.
// Found "traffic light" at [73.08, 20.15, 82.06, 35.85] with score 0.70.
// Found "person" at [11.45, 164.69, 27.88, 199.36] with score 0.69.
// ...

📚 詳細文檔

你可以點擊 這裡 進行在線測試。

📄 許可證

本項目採用 GPL-3.0 許可證。

⚠️ 重要提示

目前為 ONNX 權重單獨創建倉庫是一種臨時解決方案，直到 WebML 獲得更廣泛的應用。如果你想讓你的模型適用於 Web，建議使用 🤗 Optimum 將其轉換為 ONNX 格式，並按照本倉庫的結構進行組織（將 ONNX 權重放在名為 onnx 的子文件夾中）。