Yolos Small Rego Plates Detection

🚀 YOLOS（小尺寸）模型

YOLOS（小尺寸）模型是基於目標檢測領域的創新成果，它在原始模型基礎上進行了優化和微調，可用於車輛及車牌檢測，為相關領域的目標檢測任務提供了高效且準確的解決方案。

🚀 快速開始

原始的YOLOS模型在COCO 2017目標檢測數據集（118k帶註釋圖像）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，並首次在此倉庫發佈。此模型進一步在Kaggle的車牌數據集上進行了微調。該數據集包含735張標註為“車輛”和“車牌”的圖像。模型在單個GPU上使用Google Colab訓練了200個epoch。

✨ 主要特性

• 強大的檢測能力：YOLOS是使用DETR損失訓練的視覺Transformer（ViT）。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 AP（與DETR以及更復雜的框架如Faster R - CNN相當）。
• 廣泛的適用性：可用於目標檢測任務，你可以在模型中心查找所有可用的YOLOS模型。

📦 安裝指南

文檔未提及安裝步驟，故跳過此章節。

💻 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=1p9wJIqRz3W50e2f_A0D8ftla8hoXz4T5'
image = Image.open(requests.get(url, stream=True).raw)
feature_extractor = YolosFeatureExtractor.from_pretrained('nickmuchi/yolos-small-rego-plates-detection')
model = YolosForObjectDetection.from_pretrained('nickmuchi/yolos-small-rego-plates-detection')
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

模型描述

YOLOS是使用DETR損失訓練的視覺Transformer（ViT）。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 AP（與DETR以及更復雜的框架如Faster R - CNN相當）。

預期用途和限制

你可以使用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。

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118k/5k用於訓練/驗證的帶註釋圖像。此模型進一步在Kaggle的車牌數據集上進行了微調。該數據集包含735張標註為“車輛”和“車牌”的圖像。

評估結果

此模型的平均精度（AP）達到了47.9。

IoU指標：邊界框

📄 許可證

本模型採用Apache - 2.0許可證。