Deformable Detr Single Scale Dc5

🚀 具有ResNet - 50主幹的可變形DETR模型，單尺度+膨脹

可變形檢測變壓器（Deformable DETR）單尺度 + 膨脹模型在COCO 2017目標檢測數據集（11.8萬張帶註釋的圖像）上進行了端到端訓練。該模型由Zhu等人在論文Deformable DETR: Deformable Transformers for End - to - End Object Detection中提出，並首次在[此倉庫](https://github.com/fundamentalvision/Deformable - DETR)中發佈。

聲明：發佈可變形DETR的團隊並未為此模型撰寫模型卡片，此模型卡片由Hugging Face團隊撰寫。

🚀 快速開始

可變形DETR模型可直接用於目標檢測任務。你可以在[模型中心](https://huggingface.co/models?search=sensetime/deformable - detr)查找所有可用的可變形DETR模型。

✨ 主要特性

• 端到端訓練：在COCO 2017目標檢測數據集上進行端到端訓練，無需複雜的後處理步驟。
• 基於Transformer架構：採用編碼器 - 解碼器的Transformer架構，結合卷積主幹網絡，提升目標檢測性能。
• 對象查詢機制：使用對象查詢來檢測圖像中的對象，每個對象查詢針對圖像中的特定對象。

📚 詳細文檔

模型描述

DETR模型是一個帶有卷積主幹的編碼器 - 解碼器Transformer。為了進行目標檢測，在解碼器輸出的基礎上添加了兩個頭部：一個用於類別標籤的線性層和一個用於邊界框的多層感知機（MLP）。該模型使用所謂的對象查詢來檢測圖像中的對象，對於COCO數據集，對象查詢的數量設置為100。

模型使用“二分匹配損失”進行訓練：將N = 100個對象查詢的預測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，如果一張圖像只包含4個對象，那麼96個標註的類別將為“無對象”，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，使用標準交叉熵（用於類別）和L1損失與廣義IoU損失的線性組合（用於邊界框）來優化模型的參數。

預期用途和限制

你可以使用該原始模型進行目標檢測。

使用示例

基礎用法

from transformers import AutoImageProcessor, DeformableDetrForObjectDetection
import torch
from PIL import Image
import requests

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

processor = AutoImageProcessor.from_pretrained("SenseTime/deformable-detr-single-scale-dc5")
model = DeformableDetrForObjectDetection.from_pretrained("SenseTime/deformable-detr-single-scale-dc5")

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

# convert outputs (bounding boxes and class logits) to COCO API
# let's only keep detections with score > 0.7
target_sizes = torch.tensor([image.size[::-1]])
results = processor.post_process_object_detection(outputs, target_sizes=target_sizes, threshold=0.7)[0]

for score, label, box in zip(results["scores"], results["labels"], results["boxes"]):
    box = [round(i, 2) for i in box.tolist()]
    print(
            f"Detected {model.config.id2label[label.item()]} with confidence "
            f"{round(score.item(), 3)} at location {box}"
    )

目前，特徵提取器和模型都支持PyTorch。

訓練數據

可變形DETR模型在COCO 2017目標檢測數據集上進行訓練，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。

BibTeX引用和引用信息

@misc{https://doi.org/10.48550/arxiv.2010.04159,
  doi = {10.48550/ARXIV.2010.04159},
  url = {https://arxiv.org/abs/2010.04159}, 
  author = {Zhu, Xizhou and Su, Weijie and Lu, Lewei and Li, Bin and Wang, Xiaogang and Dai, Jifeng},
  keywords = {Computer Vision and Pattern Recognition (cs.CV), FOS: Computer and information sciences, FOS: Computer and information sciences},
  title = {Deformable DETR: Deformable Transformers for End-to-End Object Detection},
  publisher = {arXiv},
  year = {2020},
  copyright = {arXiv.org perpetual, non-exclusive license}
}

📄 許可證

本項目採用Apache - 2.0許可證。