yolos-small-Cell_Tower_Detection开源模型 - 精准高效实现基站检测功能

首页

Yolos Small Cell Tower Detection

由 DunnBC22 开发

该模型是基于hustvl/yolos-small微调后的版本，专门用于检测基站。

目标检测

Transformers

英语开源协议:Apache-2.0 #小目标检测 #电信基础设施 #YOLOS架构

下载量 21

发布时间 : 8/19/2023

模型简介

该模型旨在展示运用技术解决复杂问题的能力，主要用于基站目标检测任务。

模型特点

高效检测

基于YOLOS-small架构，能够高效检测图像中的基站目标。

微调优化

在特定数据集上进行微调，提升了基站检测的准确率。

模型能力

目标检测

基站识别

使用案例

基础设施监测

基站检测

用于检测图像中的基站，支持基础设施的监测和管理。

平均精度（AP）IoU=0.50为0.636

🚀 yolos-small-Cell_Tower_Detection

本模型是 hustvl/yolos-small 的微调版本，用于解决复杂的物体检测问题，特别是针对手机信号塔的检测。

📚 详细文档

模型描述

关于该模型的创建方式，更多信息请查看以下链接：https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Computer%20Vision/Object%20Detection/Cell%20Tower%20Object%20Detection/Cell%20Tower%20Detection%20YOLOS.ipynb

预期用途与限制

此模型旨在展示使用技术解决复杂问题的能力。

训练和评估数据

数据集来源：https://huggingface.co/datasets/Francesco/cell-towers

训练过程

训练超参数

训练期间使用了以下超参数：

学习率（learning_rate）：1e-05
训练批次大小（train_batch_size）：8
评估批次大小（eval_batch_size）：8
随机种子（seed）：42
优化器（optimizer）：Adam，其中 betas=(0.9, 0.999)，epsilon=1e-08
学习率调度器类型（lr_scheduler_type）：线性
训练轮数（num_epochs）：30

训练结果

指标名称	交并比（IoU）	区域	最大检测数（maxDets）	指标值
平均精度（AP）	IoU=0.50:0.95	area= all	maxDets=100	0.287
平均精度（AP）	IoU=0.50	area= all	maxDets=100	0.636
平均精度（AP）	IoU=0.75	area= all	maxDets=100	0.239
平均精度（AP）	IoU=0.50:0.95	area= small	maxDets=100	0.069
平均精度（AP）	IoU=0.50:0.95	area=medium	maxDets=100	0.289
平均精度（AP）	IoU=0.50:0.95	area= large	maxDets=100	0.556
平均召回率（AR）	IoU=0.50:0.95	area= all	maxDets= 1	0.192
平均召回率（AR）	IoU=0.50:0.95	area= all	maxDets= 10	0.460
平均召回率（AR）	IoU=0.50:0.95	area= all	maxDets=100	0.492
平均召回率（AR）	IoU=0.50:0.95	area= small	maxDets=100	0.151
平均召回率（AR）	IoU=0.50:0.95	area=medium	maxDets=100	0.488
平均召回率（AR）	IoU=0.50:0.95	area= large	maxDets=100	0.760