Detección de Daños en Autos

beingamit99

Clasificación de imagen

Predice daños en autos con confianza utilizando el modelo VIT bEIT de llm. ¡Este modelo está entrenado para clasificar daños en autos en seis clases distintas: "0": Grieta, "1": Arañazo, "2": Neumático pinchado, "3": Abolladura, "4": Vidrio roto, "5": Lámpara rota.

Como usar

import numpy as np
from PIL import Image
from transformers import AutoImageProcessor, AutoModelForImageClassification

# Cargar el procesador de imágenes y el modelo
processor = AutoImageProcessor.from_pretrained("beingamit99/car_damage_detection")
model = AutoModelForImageClassification.from_pretrained("beingamit99/car_damage_detection")

# Cargar y procesar la imagen
image = Image.open(IMAGE)
inputs = processor(images=image, return_tensors="pt")

# Hacer predicciones
outputs = model(**inputs)
logits = outputs.logits.detach().cpu().numpy()
predicted_class_id = np.argmax(logits)
predicted_proba = np.max(logits)
label_map = model.config.id2label
predicted_class_name = label_map[predicted_class_id]

# Imprimir los resultados
print(f"Predicted class: {predicted_class_name} (probability: {predicted_proba:.4f}")

from transformers import pipeline
# Crear un pipeline de clasificación
pipe = pipeline("image-classification", model="beingamit99/car_damage_detection")
pipe(IMAGE)

Funcionalidades

Clasificación precisa en seis categorías de daños en autos.
Integración perfecta en varias aplicaciones.
Procesamiento de imágenes simplificado con arquitectura basada en transformadores.

Casos de uso

Procesamiento de reclamos de seguros de autos: Agiliza la evaluación de daños en autos para un procesamiento más rápido de reclamos.
Servicios de inspección de vehículos: Mejora la eficiencia en los servicios de inspección de vehículos mediante la automatización de la detección de daños.
Mercados de autos usados: Proporciona información detallada sobre el estado de los autos usados a través del análisis automatizado de daños.