Yolos Small Finetuned License Plate Detection

🚀 YOLOS（小型）模型

本模型是基於 hustvl/yolos-small 在來自 Roboflow 的 licesne-plate-recognition 數據集上進行微調的版本。該數據集的訓練集包含 5200 張圖像，驗證集包含 380 張圖像。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。

🚀 快速開始

你可以使用此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

• 標籤：目標檢測、車牌檢測、車輛檢測。
• 指標：平均精度、召回率、交併比（IOU）。
• 模型類型：YOLOS 是使用 DETR 損失訓練的視覺變換器（ViT）。儘管其結構簡單，但基礎大小的 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）。

📦 安裝指南

文檔未提及具體安裝步驟，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-finetuned-license-plate-detection')
model = YolosForObjectDetection.from_pretrained('nickmuchi/yolos-small-finetuned-license-plate-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

訓練數據

該 YOLOS 模型在 ImageNet - 1k 上進行預訓練，並在 COCO 2017 目標檢測 數據集上進行微調，該數據集分別包含 118k/5k 張帶註釋的訓練/驗證圖像。

訓練

該模型在 licesne-plate-recognition 數據集上進行了 200 個週期的微調。

評估結果

該模型的平均精度（AP）達到了 49.0。

IoU 指標：邊界框

🔧 技術細節

文檔未提供具體的技術實現細節，故跳過此章節。

📄 許可證

文檔未提及許可證信息，故跳過此章節。