Yolos Small Finetuned Masks

🚀 YOLOS（小尺寸）模型

YOLOS（小尺寸）模型是基於目標檢測和人臉口罩檢測的模型，它在COCO 2017目標檢測數據集上微調，還在Kaggle的人臉口罩數據集上進一步微調，能有效進行目標檢測和人臉口罩檢測。

🚀 快速開始

原始的YOLOS模型在COCO 2017目標檢測（118k帶註釋圖像）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，並首次在此倉庫發佈。

該模型在Kaggle的人臉口罩數據集上進一步微調。該數據集包含853張帶註釋的人物圖像，註釋類別為“戴口罩”、“未戴口罩”和“口罩佩戴不正確”。模型在單個GPU上使用Google Colab訓練了200個epoch。

✨ 主要特性

• 強大的目標檢測能力：YOLOS是使用DETR損失訓練的視覺Transformer（ViT）。儘管簡單，但基礎尺寸的YOLOS模型在COCO 2017驗證集上能夠達到42 AP（與DETR和更復雜的框架如Faster R - CNN相當）。
• 多數據集微調：在COCO 2017目標檢測數據集和人臉口罩數據集上進行微調，適用於多種目標檢測場景。

📦 安裝指南

文檔未提及安裝步驟，暫無法提供。

💻 使用示例

基礎用法

from transformers import YolosFeatureExtractor, YolosForObjectDetection
from PIL import Image
import requests
url = 'https://drive.google.com/uc?id=1VwYLbGak5c-2P5qdvfWVOeg7DTDYPbro'
image = Image.open(requests.get(url, stream=True).raw)
feature_extractor = YolosFeatureExtractor.from_pretrained('nickmuchi/yolos-small-finetuned-masks')
model = YolosForObjectDetection.from_pretrained('nickmuchi/yolos-small-finetuned-masks')
inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
# model predicts bounding boxes and corresponding face mask detection classes
logits = outputs.logits
bboxes = outputs.pred_boxes

目前，特徵提取器和模型都支持PyTorch。

📚 詳細文檔

預期用途與限制

你可以使用原始模型進行目標檢測。請參閱模型中心以查找所有可用的YOLOS模型。

訓練數據

YOLOS模型在ImageNet - 1k上預訓練，並在COCO 2017目標檢測上微調，該數據集分別包含118k/5k張用於訓練/驗證的帶註釋圖像。

訓練

該模型在人臉口罩數據集上微調了200個epoch。

評估結果

該模型的平均精度（AP）達到了53.2。

正在累積評估結果...

IoU指標：邊界框

🔧 技術細節

文檔未提供具體的技術實現細節，暫無法提供。

📄 許可證

本模型使用Apache - 2.0許可證。