Yolos Small Balloon

🚀 YOLOS（小尺寸）模型在Matterport气球数据集上的微调版本

YOLOS是一个使用DETR损失函数训练的视觉Transformer（ViT）模型。尽管其结构简单，但基础尺寸的YOLOS模型在COCO 2017验证集上能够达到42的平均精度均值（AP），与DETR以及诸如Faster R - CNN等更复杂的框架表现相当。该YOLOS模型在COCO 2017目标检测数据集（11.8万张带注释的图像）上进行了微调。它由Fang等人在论文You Only Look at One Sequence: Rethinking Transformer in Vision through Object Detection中提出，并首次在此仓库中发布。

✨ 主要特性

• YOLOS基于视觉Transformer架构，使用DETR损失进行训练。
• 基础尺寸模型在COCO 2017验证集上有良好的AP表现。
• 模型经过多阶段训练和微调，包括在ImageNet - 1k、COCO 2017目标检测数据集和Matterport气球检测数据集上。

📚 详细文档

模型描述

该模型使用“二分匹配损失”进行训练：将N = 100个目标查询中的每个查询预测的类别和边界框与真实标注进行比较，真实标注会填充到相同的长度N（因此，如果一张图像仅包含4个目标，那么96个标注的类别将为“无目标”，边界框为“无边界框”）。使用匈牙利匹配算法在N个查询和N个标注之间创建最优的一对一映射。接下来，使用标准的交叉熵（用于类别）和L1损失与广义交并比损失的线性组合（用于边界框）来优化模型的参数。

目前，特征提取器和模型均支持PyTorch。

训练数据

此模型在ImageNet - 1k上进行了预训练，并在COCO 2017目标检测数据集上进行了微调，该数据集分别包含11.8万张和5000张用于训练和验证的带注释图像。它还在Matterport气球检测数据集上进一步微调，该数据集包含74张带注释的图像。

训练过程

该模型在ImageNet - 1k上预训练了200个epoch，在COCO上微调了150个epoch，并在Matterport气球数据集上进一步微调了96个epoch。

你可以在[这里](https://github.com/ZohebAbai/Deep - Learning - Projects/blob/master/10_PT_Object_Detection_using_Transformers.ipynb)查看其详细的笔记本。

评估结果

该模型在Matterport气球验证集上的平均精度均值（AP）达到了26.9。

BibTeX引用和引用信息

@article{DBLP:journals/corr/abs-2106-00666,
  author    = {Yuxin Fang and
               Bencheng Liao and
               Xinggang Wang and
               Jiemin Fang and
               Jiyang Qi and
               Rui Wu and
               Jianwei Niu and
               Wenyu Liu},
  title     = {You Only Look at One Sequence: Rethinking Transformer in Vision through
               Object Detection},
  journal   = {CoRR},
  volume    = {abs/2106.00666},
  year      = {2021},
  url       = {https://arxiv.org/abs/2106.00666},
  eprinttype = {arXiv},
  eprint    = {2106.00666},
  timestamp = {Fri, 29 Apr 2022 19:49:16 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2106-00666.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

📄 信息表格