yolos-tiny-Detección-Sombrero-Seguridad

DunnBC22

Detección de objetos

Este modelo es una versión afinada de hustvl/yolos-tiny en el conjunto de datos de detección de casco de seguridad. Está diseñado para demostrar mi capacidad para resolver un problema complejo utilizando tecnología. Para más información sobre cómo fue creado, consulte el siguiente enlace: [Proyecto de Detección de Casco](https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Computer%20Vision/Object%20Detection/Hard%20Hat%20Detection/Hard_Hat_Object_Detection_YOLOS.ipynb)

Como usar

Procedimiento de entrenamiento
Los siguientes hiperparámetros se utilizaron durante el entrenamiento:

learning_rate: 5e-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: 8

Resultados del entrenamiento

Precisión Media (AP) IoU=0.50:0.95 todos maxDets=100 0.346
Precisión Media (AP) IoU=0.50 todos maxDets=100 0.747
Precisión Media (AP) IoU=0.75 todos maxDets=100 0.275
Precisión Media (AP) IoU=0.50:0.95 pequeño maxDets=100 0.128
Precisión Media (AP) IoU=0.50:0.95 mediano maxDets=100 0.343
Precisión Media (AP) IoU=0.50:0.95 grande maxDets=100 0.521
Recuerdo Medio (AR) IoU=0.50:0.95 todos maxDets=1 0.188
Recuerdo Medio (AR) IoU=0.50:0.95 todos maxDets=10 0.484
Recuerdo Medio (AR) IoU=0.50:0.95 todos maxDets=100 0.558
Recuerdo Medio (AR) IoU=0.50:0.95 pequeño maxDets=100 0.320
Recuerdo Medio (AR) IoU=0.50:0.95 mediano maxDets=100 0.538
Recuerdo Medio (AR) IoU=0.50:0.95 grande maxDets=100 0.743

Versiones del marco de trabajo

Transformers 4.31.0
Pytorch 2.0.1+cu118
Datasets 2.14.3
Tokenizers 0.13.3

Funcionalidades

Detección de objetos
Transformers
Basado en PyTorch
Compatible con TensorBoard
Generado con Trainer

Casos de uso

Demostración de capacidad para resolver problemas complejos
Aumento de la seguridad en el lugar de trabajo detectando cascos de seguridad
Implementación en sistemas para vigilancia y monitoreo