Omdet Turbo Swin Tiny Hf
O
Omdet Turbo Swin Tiny Hf
由 omlab 开发
OmDet-Turbo是基于实时Transformer的高效融合头开放词汇检测模型,适用于零样本目标检测任务。
下载量 36.29k
发布时间 : 9/24/2024
模型简介
该模型由Om AI Lab提出,采用Swin Transformer架构,支持开放词汇目标检测,能够检测训练数据中未见的物体类别。
模型特点
开放词汇检测
支持检测训练数据中未出现的物体类别,只需提供类别名称即可进行检测
高效融合头
采用创新的融合头设计,提高了检测效率和准确性
批量多图像推理
支持同一批次中不同图像使用不同的文本提示和类别进行检测
模型能力
零样本目标检测
开放词汇识别
多类别同时检测
批量图像处理
使用案例
智能监控
异常物体检测
在监控场景中检测特定或异常物体
可准确识别未预先训练的物体类别
零售分析
商品识别
识别货架上的新产品或未标注商品
无需重新训练即可检测新上市商品
🚀 OmDet模型
OmDet模型由来自Om AI实验室的赵天成、刘鹏、何璇、张璐和李奎松在论文基于实时Transformer的高效融合头开放词汇检测中提出。该模型可用于零样本(也称为开放词汇)目标检测任务,为目标检测领域带来了新的解决方案。
🚀 快速开始
预期用例
此模型旨在用于零样本(也称为开放词汇)目标检测。
安装指南
文档未提及具体安装步骤,可参考模型库相关说明进行安装。
代码示例
单张图像推理
以下是如何加载模型并准备输入,以在单张图像上执行零样本目标检测的代码示例:
import requests
from PIL import Image
from transformers import AutoProcessor, OmDetTurboForObjectDetection
processor = AutoProcessor.from_pretrained("omlab/omdet-turbo-swin-tiny-hf")
model = OmDetTurboForObjectDetection.from_pretrained("omlab/omdet-turbo-swin-tiny-hf")
url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)
classes = ["cat", "remote"]
inputs = processor(image, text=classes, return_tensors="pt")
outputs = model(**inputs)
# convert outputs (bounding boxes and class logits)
results = processor.post_process_grounded_object_detection(
outputs,
classes=classes,
target_sizes=[image.size[::-1]],
score_threshold=0.3,
nms_threshold=0.3,
)[0]
for score, class_name, box in zip(
results["scores"], results["classes"], results["boxes"]
):
box = [round(i, 1) for i in box.tolist()]
print(
f"Detected {class_name} with confidence "
f"{round(score.item(), 2)} at location {box}"
)
批量图像推理
OmDet - Turbo可以执行批量多图像推理,支持在同一批次中使用不同的文本提示和类别:
>>> import torch
>>> import requests
>>> from io import BytesIO
>>> from PIL import Image
>>> from transformers import AutoProcessor, OmDetTurboForObjectDetection
>>> processor = AutoProcessor.from_pretrained("omlab/omdet-turbo-swin-tiny-hf")
>>> model = OmDetTurboForObjectDetection.from_pretrained("omlab/omdet-turbo-swin-tiny-hf")
>>> url1 = "http://images.cocodataset.org/val2017/000000039769.jpg"
>>> image1 = Image.open(BytesIO(requests.get(url1).content)).convert("RGB")
>>> classes1 = ["cat", "remote"]
>>> task1 = "Detect {}.".format(", ".join(classes1))
>>> url2 = "http://images.cocodataset.org/train2017/000000257813.jpg"
>>> image2 = Image.open(BytesIO(requests.get(url2).content)).convert("RGB")
>>> classes2 = ["boat"]
>>> task2 = "Detect everything that looks like a boat."
>>> url3 = "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
>>> image3 = Image.open(BytesIO(requests.get(url3).content)).convert("RGB")
>>> classes3 = ["statue", "trees"]
>>> task3 = "Focus on the foreground, detect statue and trees."
>>> inputs = processor(
... images=[image1, image2, image3],
... text=[classes1, classes2, classes3],
... task=[task1, task2, task3],
... return_tensors="pt",
... )
>>> with torch.no_grad():
... outputs = model(**inputs)
>>> # convert outputs (bounding boxes and class logits)
>>> results = processor.post_process_grounded_object_detection(
... outputs,
... classes=[classes1, classes2, classes3],
... target_sizes=[image1.size[::-1], image2.size[::-1], image3.size[::-1]],
... score_threshold=0.2,
... nms_threshold=0.3,
... )
>>> for i, result in enumerate(results):
... for score, class_name, box in zip(
... result["scores"], result["classes"], result["boxes"]
... ):
... box = [round(i, 1) for i in box.tolist()]
... print(
... f"Detected {class_name} with confidence "
... f"{round(score.item(), 2)} at location {box} in image {i}"
... )
Detected remote with confidence 0.77 at location [39.9, 70.4, 176.7, 118.0] in image 0
Detected cat with confidence 0.72 at location [11.6, 54.2, 314.8, 474.0] in image 0
Detected remote with confidence 0.56 at location [333.4, 75.8, 370.7, 187.0] in image 0
Detected cat with confidence 0.55 at location [345.2, 24.0, 639.8, 371.7] in image 0
Detected boat with confidence 0.32 at location [146.9, 219.8, 209.6, 250.7] in image 1
Detected boat with confidence 0.3 at location [319.1, 223.2, 403.2, 238.4] in image 1
Detected boat with confidence 0.27 at location [37.7, 220.3, 84.0, 235.9] in image 1
Detected boat with confidence 0.22 at location [407.9, 207.0, 441.7, 220.2] in image 1
Detected statue with confidence 0.73 at location [544.7, 210.2, 651.9, 502.8] in image 2
Detected trees with confidence 0.25 at location [3.9, 584.3, 391.4, 785.6] in image 2
Detected trees with confidence 0.25 at location [1.4, 621.2, 118.2, 787.8] in image 2
Detected statue with confidence 0.2 at location [428.1, 205.5, 767.3, 759.5] in image 2
📚 详细文档
参考论文
OmDet模型的详细信息可参考论文基于实时Transformer的高效融合头开放词汇检测,该论文由Tiancheng Zhao、Peng Liu、Xuan He、Lu Zhang、Kyusong Lee撰写。
代码仓库
如果您喜欢我们的模型,请考虑在GitHub上关注我们的项目OmDet,以获取更新和新模型发布的信息。同时,我们也邀请您探索我们在智能体框架上的最新工作OmAgent。
📄 许可证
本项目采用Apache - 2.0许可证。
Table Transformer Detection
MIT
基于DETR架构的表格检测模型,专门用于从非结构化文档中提取表格
目标检测
Transformers

T
microsoft
2.6M
349
Grounding Dino Base
Apache-2.0
Grounding DINO是一个开放集目标检测模型,通过结合DINO检测器与文本编码器实现零样本目标检测能力。
目标检测
Transformers

G
IDEA-Research
1.1M
87
Grounding Dino Tiny
Apache-2.0
Grounding DINO是一个结合DINO检测器与接地预训练的开放集目标检测模型,能够实现零样本目标检测。
目标检测
Transformers

G
IDEA-Research
771.67k
74
Detr Resnet 50
Apache-2.0
DETR是一个基于Transformer架构的端到端目标检测模型,使用ResNet-50作为骨干网络,在COCO数据集上训练。
目标检测
Transformers

D
facebook
505.27k
857
Detr Resnet 101
Apache-2.0
DETR是一个使用Transformer架构的端到端目标检测模型,采用ResNet-101作为骨干网络,在COCO数据集上训练。
目标检测
Transformers

D
facebook
262.94k
119
Detr Doc Table Detection
Apache-2.0
基于DETR架构的文档表格检测模型,用于检测文档中的有边框和无边框表格
目标检测
Transformers

D
TahaDouaji
233.45k
59
Yolos Small
Apache-2.0
基于视觉Transformer(ViT)的目标检测模型,使用DETR损失函数训练,在COCO数据集上表现优异。
目标检测
Transformers

Y
hustvl
154.46k
63
Yolos Tiny
Apache-2.0
基于COCO 2017目标检测数据集微调的YOLOS模型,使用视觉Transformer架构实现高效目标检测。
目标检测
Transformers

Y
hustvl
144.58k
266
Rtdetr R50vd Coco O365
Apache-2.0
RT-DETR是首个实时端到端目标检测器,通过高效混合编码器和不确定性最小化查询选择机制,在COCO数据集上达到53.1% AP,108 FPS的性能。
目标检测
Transformers 英语

R
PekingU
111.17k
11
Rtdetr R101vd Coco O365
Apache-2.0
首个实时端到端目标检测器,基于Transformer架构,消除非极大值抑制需求,在速度与精度上超越YOLO系列
目标检测
Transformers 英语

R
PekingU
106.81k
7
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98