Yolos Small Finetuned License Plate Detection

🚀 YOLOS（小型）模型

本模型是基于 hustvl/yolos-small 在来自 Roboflow 的 licesne-plate-recognition 数据集上进行微调的版本。该数据集的训练集包含 5200 张图像，验证集包含 380 张图像。原始的 YOLOS 模型在 COCO 2017 目标检测数据集（118k 带注释图像）上进行了微调。

🚀 快速开始

你可以使用此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

• 标签：目标检测、车牌检测、车辆检测。
• 指标：平均精度、召回率、交并比（IOU）。
• 模型类型：YOLOS 是使用 DETR 损失训练的视觉变换器（ViT）。尽管其结构简单，但基础大小的 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）。

📦 安装指南

文档未提及具体安装步骤，故跳过此章节。

💻 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=1p9wJIqRz3W50e2f_A0D8ftla8hoXz4T5'
image = Image.open(requests.get(url, stream=True).raw)
feature_extractor = YolosFeatureExtractor.from_pretrained('nickmuchi/yolos-small-finetuned-license-plate-detection')
model = YolosForObjectDetection.from_pretrained('nickmuchi/yolos-small-finetuned-license-plate-detection')
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

训练数据

该 YOLOS 模型在 ImageNet - 1k 上进行预训练，并在 COCO 2017 目标检测 数据集上进行微调，该数据集分别包含 118k/5k 张带注释的训练/验证图像。

训练

该模型在 licesne-plate-recognition 数据集上进行了 200 个周期的微调。

评估结果

该模型的平均精度（AP）达到了 49.0。

IoU 指标：边界框

🔧 技术细节

文档未提供具体的技术实现细节，故跳过此章节。

📄 许可证

文档未提及许可证信息，故跳过此章节。