Yolos Small Finetuned Masks

🚀 YOLOS（小尺寸）模型

YOLOS（小尺寸）模型是基于目标检测和人脸口罩检测的模型，它在COCO 2017目标检测数据集上微调，还在Kaggle的人脸口罩数据集上进一步微调，能有效进行目标检测和人脸口罩检测。

🚀 快速开始

原始的YOLOS模型在COCO 2017目标检测（118k带注释图像）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，并首次在此仓库发布。

该模型在Kaggle的人脸口罩数据集上进一步微调。该数据集包含853张带注释的人物图像，注释类别为“戴口罩”、“未戴口罩”和“口罩佩戴不正确”。模型在单个GPU上使用Google Colab训练了200个epoch。

✨ 主要特性

• 强大的目标检测能力：YOLOS是使用DETR损失训练的视觉Transformer（ViT）。尽管简单，但基础尺寸的YOLOS模型在COCO 2017验证集上能够达到42 AP（与DETR和更复杂的框架如Faster R - CNN相当）。
• 多数据集微调：在COCO 2017目标检测数据集和人脸口罩数据集上进行微调，适用于多种目标检测场景。

📦 安装指南

文档未提及安装步骤，暂无法提供。

💻 使用示例

基础用法

from transformers import YolosFeatureExtractor, YolosForObjectDetection
from PIL import Image
import requests
url = 'https://drive.google.com/uc?id=1VwYLbGak5c-2P5qdvfWVOeg7DTDYPbro'
image = Image.open(requests.get(url, stream=True).raw)
feature_extractor = YolosFeatureExtractor.from_pretrained('nickmuchi/yolos-small-finetuned-masks')
model = YolosForObjectDetection.from_pretrained('nickmuchi/yolos-small-finetuned-masks')
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，特征提取器和模型都支持PyTorch。

📚 详细文档

预期用途与限制

你可以使用原始模型进行目标检测。请参阅模型中心以查找所有可用的YOLOS模型。

训练数据

YOLOS模型在ImageNet - 1k上预训练，并在COCO 2017目标检测上微调，该数据集分别包含118k/5k张用于训练/验证的带注释图像。

训练

该模型在人脸口罩数据集上微调了200个epoch。

评估结果

该模型的平均精度（AP）达到了53.2。

正在累积评估结果...

IoU指标：边界框

🔧 技术细节

文档未提供具体的技术实现细节，暂无法提供。

📄 许可证

本模型使用Apache - 2.0许可证。