Detr Resnet 101 Dc5

🚀 DETR（端到端目标检测）模型，采用ResNet - 101骨干网络（膨胀C5阶段）

DETR（Detection Transformer）是一个在COCO 2017目标检测数据集（11.8万张标注图像）上进行端到端训练的模型。它由Carion等人在论文 End-to-End Object Detection with Transformers 中提出，并首次在 此仓库 发布。

免责声明：发布DETR的团队并未为此模型撰写模型卡片，此模型卡片由Hugging Face团队编写。

🚀 快速开始

你可以使用这个原始模型进行目标检测。查看 模型中心 以查找所有可用的DETR模型。

✨ 主要特性

• 端到端训练：在COCO 2017目标检测数据集上进行端到端训练。
• Transformer架构：采用编码器 - 解码器Transformer架构，并结合卷积骨干网络。
• 目标查询机制：使用目标查询来检测图像中的对象。

💻 使用示例

基础用法

from transformers import DetrFeatureExtractor, DetrForObjectDetection
from PIL import Image
import requests

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

feature_extractor = DetrFeatureExtractor.from_pretrained('facebook/detr-resnet-101-dc5')
model = DetrForObjectDetection.from_pretrained('facebook/detr-resnet-101-dc5')

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

# 模型预测边界框和对应的COCO类别
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

模型描述

DETR模型是一个带有卷积骨干网络的编码器 - 解码器Transformer。在解码器输出之上添加了两个头部以进行目标检测：一个用于类别标签的线性层和一个用于边界框的MLP（多层感知器）。该模型使用所谓的目标查询来检测图像中的对象。每个目标查询在图像中寻找特定的对象。对于COCO数据集，目标查询的数量设置为100。

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，真实标注会填充到相同的长度N（因此，如果一幅图像仅包含4个对象，96个标注的类别将为“无对象”，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与广义IoU损失的线性组合（用于边界框）来优化模型的参数。

预期用途和限制

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

训练数据

DETR模型在 COCO 2017目标检测 数据集上进行训练，该数据集分别包含11.8万张和5000张用于训练和验证的标注图像。

训练过程

预处理

训练/验证期间图像预处理的确切细节可在 此处 找到。

图像会进行调整大小/缩放，使得最短边至少为800像素，最长边最多为1333像素，并使用ImageNet均值（0.485, 0.456, 0.406）和标准差（0.229, 0.224, 0.225）在RGB通道上进行归一化。

训练

该模型在16个V100 GPU上训练了300个epoch，耗时3天，每个GPU处理4张图像（因此总批量大小为64）。

评估结果

该模型在COCO 2017验证集上的AP（平均精度）达到了 44.9。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-2005-12872,
  author    = {Nicolas Carion and
               Francisco Massa and
               Gabriel Synnaeve and
               Nicolas Usunier and
               Alexander Kirillov and
               Sergey Zagoruyko},
  title     = {End-to-End Object Detection with Transformers},
  journal   = {CoRR},
  volume    = {abs/2005.12872},
  year      = {2020},
  url       = {https://arxiv.org/abs/2005.12872},
  archivePrefix = {arXiv},
  eprint    = {2005.12872},
  timestamp = {Thu, 28 May 2020 17:38:09 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2005-12872.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

📄 许可证

本项目采用Apache - 2.0许可证。