Detr Resnet 50 Dc5

🚀 DETR（端到端目標檢測）模型，採用ResNet - 50骨幹網絡（膨脹C5階段）

基於Transformer架構的端到端目標檢測模型，在COCO 2017數據集上訓練，能高效準確地檢測圖像中的目標。

🚀 快速開始

DETR（Detection Transformer）模型在COCO 2017目標檢測數據集（118k帶註釋圖像）上進行了端到端訓練。它由Carion等人在論文 End-to-End Object Detection with Transformers 中提出，並首次在 此倉庫 發佈。

需注意：發佈DETR的團隊未為此模型撰寫模型卡片，此卡片由Hugging Face團隊編寫。

✨ 主要特性

• 端到端設計：DETR模型是一個帶有卷積骨幹網絡的編解碼器Transformer。在解碼器輸出之上添加了兩個頭部以進行目標檢測：一個用於類別標籤的線性層和一個用於邊界框的MLP（多層感知器）。
• 目標查詢機制：模型使用所謂的目標查詢來檢測圖像中的目標。每個目標查詢在圖像中尋找特定的目標。對於COCO數據集，目標查詢的數量設置為100。
• 特殊損失函數：模型使用“二分匹配損失”進行訓練，通過匈牙利匹配算法在預測結果和真實標註之間創建一對一的最優映射，然後使用標準交叉熵（用於類別）和L1與廣義IoU損失的線性組合（用於邊界框）來優化模型參數。

💻 使用示例

基礎用法

from transformers import DetrFeatureExtractor, DetrForObjectDetection
from PIL import Image
import requests

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

feature_extractor = DetrFeatureExtractor.from_pretrained('facebook/detr-resnet-50-dc5')
model = DetrForObjectDetection.from_pretrained('facebook/detr-resnet-50-dc5')

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

# model predicts bounding boxes and corresponding COCO 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

你可以使用此原始模型進行目標檢測。可查看 模型中心 以查找所有可用的DETR模型。

訓練數據

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118k/5k張用於訓練/驗證的帶註釋圖像。

訓練過程

預處理

訓練/驗證期間圖像預處理的確切細節可在 此處 找到。

圖像會進行調整大小/縮放，使最短邊至少為800像素，最長邊最多為1333像素，並使用ImageNet的均值（0.485, 0.456, 0.406）和標準差（0.229, 0.224, 0.225）在RGB通道上進行歸一化。

訓練

該模型在16個V100 GPU上訓練了300個epoch，耗時3天，每個GPU處理4張圖像（因此總批量大小為64）。

評估結果

此模型在COCO 2017驗證集上實現了43.3的AP（平均精度）。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

@article{DBLP:journals/corr/abs-2005-12872,
  author    = {Nicolas Carion and
               Francisco Massa and
               Gabriel Synnaeve and
               Nicolas Usunier and
               Alexander Kirillov and
               Sergey Zagoruyko},
  title     = {End-to-End Object Detection with Transformers},
  journal   = {CoRR},
  volume    = {abs/2005.12872},
  year      = {2020},
  url       = {https://arxiv.org/abs/2005.12872},
  archivePrefix = {arXiv},
  eprint    = {2005.12872},
  timestamp = {Thu, 28 May 2020 17:38:09 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2005-12872.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

📄 許可證

本項目採用Apache-2.0許可證。

📦 相關信息

📌 示例展示

• Savanna
• Football Match
• Airport