Gelan C All

🚀 transformers.js

transformers.js 是一個用於目標檢測的 JavaScript 庫，它將 ONNX 權重與 Transformers.js 相結合，讓你可以在網頁上輕鬆實現目標檢測功能。

🚀 快速開始

transformers.js 是一個用於目標檢測的 JavaScript 庫，它將 ONNX 權重與 Transformers.js 相結合，讓你可以在網頁上輕鬆實現目標檢測功能。

安裝

你可以使用以下命令從 NPM 安裝 Transformers.js JavaScript 庫：

npm i @xenova/transformers

💻 使用示例

基礎用法

以下是使用 Xenova/gelan-c_all 進行目標檢測的示例代碼：

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

// Load model
const model = await AutoModel.from_pretrained('Xenova/gelan-c_all', {
    // quantized: false,    // (Optional) Use unquantized version.
})

// Load processor
const processor = await AutoProcessor.from_pretrained('Xenova/gelan-c_all');
// processor.feature_extractor.size = { shortest_edge: 128 }    // (Optional) Update resize value

// Read image and run processor
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);

// Run object detection
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 "car" at [63.06, 118.80, 139.61, 146.78] with score 0.84.
// Found "bicycle" at [158.32, 166.13, 195.02, 189.03] with score 0.81.
// Found "bicycle" at [123.22, 183.83, 162.71, 206.30] with score 0.79.
// Found "bicycle" at [0.56, 180.92, 39.26, 203.94] with score 0.78.
// Found "car" at [157.10, 132.38, 223.72, 167.69] with score 0.77.
// Found "person" at [193.04, 90.98, 207.09, 116.78] with score 0.77.
// Found "person" at [12.49, 164.97, 27.63, 197.55] with score 0.66.
// Found "traffic light" at [102.80, 74.25, 124.12, 95.75] with score 0.62.
// ...

🎉 演示

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網頁，我們建議使用 🤗 Optimum 將模型轉換為 ONNX 格式，並按照本倉庫的結構組織你的倉庫（將 ONNX 權重放在名為 onnx 的子文件夾中）。