YOLOS（小尺寸）模型

这个模型是Roboflow中 licesne-plate-recognition 数据集上的 hustvl/yolos-small 的微调版本，该数据集包含5200张训练集图片和380张验证集图片。原始的YOLOS模型是在COCO 2017目标检测数据集（118k个标注图像）上进行微调的。

模型描述

YOLOS是使用DETR损失进行训练的Vision Transformer（ViT）。尽管它很简单，但基本尺寸的YOLOS模型能够在COCO 2017验证集上达到42的AP值（与DETR和更复杂的框架（如Faster R-CNN）相似）。

预期用途和限制

您可以将原始模型用于目标检测。可以查看 model hub 来查找所有可用的YOLOS模型。

使用方法

以下是使用此模型的方法：

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。

训练数据

YOLOS模型在 ImageNet-1k 上进行了预训练，并在 COCO 2017 object detection 上进行了微调，该数据集分别包含了118k/5k个进行训练/验证的标注图像。

训练

此模型在 licesne-plate-recognition 上进行了200轮的微调。

评估结果

此模型的AP（平均精度）为49.0。

累积评估结果...

IoU指标：bbox