yolos-small-finetuned-license-plate-detection - 车牌识别微调模型提升物体检测能力

YOLOS-Small微调车牌检测项目介绍

模型概述

YOLOS-Small微调车牌检测项目基于YOLOS模型，这是一个视觉转换器（ViT）模型，利用DETR损失进行训练。尽管架构简单，YOLOS基础模型在COCO 2017验证集上已达到了42的平均精度（AP），与DETR和复杂的Faster R-CNN框架相媲美。

数据集

该模型在Roboflow上线的车牌识别数据集上进行了微调。该数据集包含5200张训练图像和380张验证图像，图像主要用于车辆车牌检测。YOLOS模型最初在COCO 2017物体检测数据集上进行了预训练，该数据集包括118,000张带注释的图像用于训练，5000张用于验证。

模型训练

YOLOS模型的训练从ImageNet-1k开始进行预训练，然后在COCO 2017物体检测数据集上进行了微调。针对车牌识别，该模型进行了200个周期的微调训练。

功能与用途

该模型主要用于对象检测，尤其擅长车牌和车辆的检测。用户可以访问模型预览中心查找所有可用的YOLOS模型。

使用方法

用户可以通过几行Python代码来使用该模型：

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)

logits = outputs.logits
bboxes = outputs.pred_boxes

目前，模型和特征提取器支持PyTorch框架。