detr-resnet-50_finetuned_cppe5

Procedimiento de entrenamiento

Los siguientes hiperparámetros se utilizaron durante el entrenamiento:

• learning_rate: 1e-05
• train_batch_size: 8
• eval_batch_size: 8
• seed: 42
• optimizer: Adam con betas=(0.9,0.999) y epsilon=1e-08
• lr_scheduler_type: linear
• num_epochs: 10
• mixed_precision_training: AMP Nativo

# Código para cargar y utilizar el modelo
from transformers import DetrForObjectDetection, DetrImageProcessor
import torch
from PIL import Image
import requests

# Cargar el modelo y el procesador
model = DetrForObjectDetection.from_pretrained('daksh5656/detr-resnet-50_finetuned_cppe5')
processor = DetrImageProcessor.from_pretrained('daksh5656/detr-resnet-50_finetuned_cppe5')

# Procesar la imagen
url = 'https://example.com/image.jpg'
image = Image.open(requests.get(url, stream=True).raw)
inputs = processor(image, return_tensors='pt')

# Realizar la detección
with torch.no_grad():
  outputs = model(**inputs)

# Obtener las cajas detectadas
boxes = outputs.logits.argmax(-1)