Yolos Small 300

🚀 YOLOS（小尺寸）模型（300個預訓練輪次）

YOLOS模型在COCO 2017目標檢測數據集（11.8萬張帶標註圖像）上進行了微調。該模型由Fang等人在論文You Only Look at One Sequence: Rethinking Transformer in Vision through Object Detection中提出，並首次在此代碼庫中發佈。

聲明：發佈YOLOS的團隊並未為此模型編寫模型卡片，此模型卡片由Hugging Face團隊編寫。

🚀 快速開始

你可以使用該原始模型進行目標檢測。請查看模型中心以查找所有可用的YOLOS模型。

✨ 主要特性

YOLOS是一個使用DETR損失進行訓練的視覺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（AP），與DETR以及諸如Faster R - CNN等更復雜的框架表現相當。

📦 安裝指南

目前，圖像處理器和模型均支持PyTorch。

💻 使用示例

基礎用法

from transformers import YolosImageProcessor, YolosForObjectDetection
from PIL import Image
import requests

url = 'http://images.cocodataset.org/val2017/000000039769.jpg'
image = Image.open(requests.get(url, stream=True).raw)

image_processor = YolosImageProcessor.from_pretrained('hustvl/yolos-small-300')
model = YolosForObjectDetection.from_pretrained('hustvl/yolos-small-300')

inputs = image_processor(images=image, return_tensors="pt")
outputs = model(**inputs)

# model predicts bounding boxes and corresponding COCO classes
logits = outputs.logits
bboxes = outputs.pred_boxes

📚 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個目標查詢的預測類別和邊界框與真實標註進行比較，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”，邊界框將為“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（IoU）損失的線性組合（用於邊界框）來優化模型的參數。

預期用途和侷限性

你可以使用該原始模型進行目標檢測。

訓練數據

YOLOS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標註圖像。

訓練過程

該模型在ImageNet - 1k上預訓練了300個輪次，並在COCO上微調了150個輪次。

評估結果

該模型在COCO 2017驗證集上的平均精度（AP）達到了36.1。有關評估結果的更多詳細信息，請參考原論文的表1。

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}
}

📄 許可證

本模型採用Apache - 2.0許可證。