Yolos Small 300

🚀 YOLOS（小尺寸）模型（300个预训练轮次）

YOLOS模型在COCO 2017目标检测数据集（11.8万张带标注图像）上进行了微调。该模型由Fang等人在论文You Only Look at One Sequence: Rethinking Transformer in Vision through Object Detection中提出，并首次在此代码库中发布。

声明：发布YOLOS的团队并未为此模型编写模型卡片，此模型卡片由Hugging Face团队编写。

🚀 快速开始

你可以使用该原始模型进行目标检测。请查看模型中心以查找所有可用的YOLOS模型。

✨ 主要特性

YOLOS是一个使用DETR损失进行训练的视觉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（AP），与DETR以及诸如Faster R - CNN等更复杂的框架表现相当。

📦 安装指南

目前，图像处理器和模型均支持PyTorch。

💻 使用示例

基础用法

from transformers import YolosImageProcessor, YolosForObjectDetection
from PIL import Image
import requests

url = 'http://images.cocodataset.org/val2017/000000039769.jpg'
image = Image.open(requests.get(url, stream=True).raw)

image_processor = YolosImageProcessor.from_pretrained('hustvl/yolos-small-300')
model = YolosForObjectDetection.from_pretrained('hustvl/yolos-small-300')

inputs = image_processor(images=image, return_tensors="pt")
outputs = model(**inputs)

# model predicts bounding boxes and corresponding COCO classes
logits = outputs.logits
bboxes = outputs.pred_boxes

📚 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个目标查询的预测类别和边界框与真实标注进行比较，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”，边界框将为“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（IoU）损失的线性组合（用于边界框）来优化模型的参数。

预期用途和局限性

你可以使用该原始模型进行目标检测。

训练数据

YOLOS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标注图像。

训练过程

该模型在ImageNet - 1k上预训练了300个轮次，并在COCO上微调了150个轮次。

评估结果

该模型在COCO 2017验证集上的平均精度（AP）达到了36.1。有关评估结果的更多详细信息，请参考原论文的表1。

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}
}

📄 许可证

本模型采用Apache - 2.0许可证。