#YOLOS

YOLOS是一种基于Vision Transformer的物体检测模型，在COCO 2017数据集上进行了微调。该模型采用DETR损失函数训练，使用双向匹配损失和匈牙利算法优化参数。YOLOS-small版本在COCO验证集上达到36.1 AP的性能，而基础版本可达到与DETR相当的42 AP。YOLOS为计算机视觉领域提供了一种简单高效的物体检测方案，适用于多种目标检测场景。

YOLOS-tiny是基于Vision Transformer的轻量级目标检测模型,在COCO 2017数据集上微调。模型采用简单架构,通过双边匹配损失训练,可预测物体类别和边界框。在COCO验证集上达到28.7 AP,与复杂框架性能相当。YOLOS-tiny为资源受限场景提供高效目标检测方案,适用于各种计算机视觉应用。

该模型专注于时尚领域的目标检测，识别多种服饰及配饰类别，包括衬衫、外套、帽子、鞋等。采用微调后的YOLOS架构，并使用Fashionpedia数据集训练，为时尚分析提供准确的识别功能。实现细节可在项目源码查看。

YOLOS小型模型经过微调适用于车牌检测，使用5200张图片进行训练，并在380张图片上验证，实现49.0的平均精度。模型支持PyTorch平台，并通过Python代码执行对象检测与边界框预测。其此前版本曾在ImageNet-1k和COCO 2017数据集上进行训练，具备卓越的识别性能。