Yolos Small Balloon

🚀 YOLOS（小尺寸）模型在Matterport氣球數據集上的微調版本

YOLOS是一個使用DETR損失函數訓練的視覺Transformer（ViT）模型。儘管其結構簡單，但基礎尺寸的YOLOS模型在COCO 2017驗證集上能夠達到42的平均精度均值（AP），與DETR以及諸如Faster R - CNN等更復雜的框架表現相當。該YOLOS模型在COCO 2017目標檢測數據集（11.8萬張帶註釋的圖像）上進行了微調。它由Fang等人在論文You Only Look at One Sequence: Rethinking Transformer in Vision through Object Detection中提出，並首次在此倉庫中發佈。

✨ 主要特性

• YOLOS基於視覺Transformer架構，使用DETR損失進行訓練。
• 基礎尺寸模型在COCO 2017驗證集上有良好的AP表現。
• 模型經過多階段訓練和微調，包括在ImageNet - 1k、COCO 2017目標檢測數據集和Matterport氣球檢測數據集上。

📚 詳細文檔

模型描述

該模型使用“二分匹配損失”進行訓練：將N = 100個目標查詢中的每個查詢預測的類別和邊界框與真實標註進行比較，真實標註會填充到相同的長度N（因此，如果一張圖像僅包含4個目標，那麼96個標註的類別將為“無目標”，邊界框為“無邊界框”）。使用匈牙利匹配算法在N個查詢和N個標註之間創建最優的一對一映射。接下來，使用標準的交叉熵（用於類別）和L1損失與廣義交併比損失的線性組合（用於邊界框）來優化模型的參數。

目前，特徵提取器和模型均支持PyTorch。

訓練數據

此模型在ImageNet - 1k上進行了預訓練，並在COCO 2017目標檢測數據集上進行了微調，該數據集分別包含11.8萬張和5000張用於訓練和驗證的帶註釋圖像。它還在Matterport氣球檢測數據集上進一步微調，該數據集包含74張帶註釋的圖像。

訓練過程

該模型在ImageNet - 1k上預訓練了200個epoch，在COCO上微調了150個epoch，並在Matterport氣球數據集上進一步微調了96個epoch。

你可以在[這裡](https://github.com/ZohebAbai/Deep - Learning - Projects/blob/master/10_PT_Object_Detection_using_Transformers.ipynb)查看其詳細的筆記本。

評估結果

該模型在Matterport氣球驗證集上的平均精度均值（AP）達到了26.9。

BibTeX引用和引用信息

@article{DBLP:journals/corr/abs-2106-00666,
  author    = {Yuxin Fang and
               Bencheng Liao and
               Xinggang Wang and
               Jiemin Fang and
               Jiyang Qi and
               Rui Wu and
               Jianwei Niu and
               Wenyu Liu},
  title     = {You Only Look at One Sequence: Rethinking Transformer in Vision through
               Object Detection},
  journal   = {CoRR},
  volume    = {abs/2106.00666},
  year      = {2021},
  url       = {https://arxiv.org/abs/2106.00666},
  eprinttype = {arXiv},
  eprint    = {2106.00666},
  timestamp = {Fri, 29 Apr 2022 19:49:16 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2106-00666.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

📄 信息表格