detr-finetuned-cppe-5-10k-steps

ethans333

Detección de objetos

Este modelo es una versión afinada de facebook/detr-resnet-50 en el conjunto de datos cppe-5. Logra los siguientes resultados en el conjunto de evaluación: Pérdida: 2.0105, Map: 0.0416, Map 50: 0.0911, Map 75: 0.0349, Map Pequeño: 0.009, Map Mediano: 0.0386, Map Grande: 0.0485, Mar 1: 0.0836, Mar 10: 0.1882, Mar 100: 0.2371, Mar Pequeño: 0.0865, Mar Mediano: 0.1981, Mar Grande: 0.2687, Map Cobertura: 0.1564, Mar 100 Cobertura: 0.6338, Map Protector Facial: 0.0, Mar 100 Protector Facial: 0.0, Map Guantes: 0.0127, Mar 100 Guantes: 0.2317, Map Gafas: 0.0, Mar 100 Gafas: 0.0, Map Mascarilla: 0.0388, Mar 100 Mascarilla: 0.32.

Como usar

Calibración de hiperparámetros durante el entrenamiento:
learning_rate: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 1337
optimizer: Adam con betas=(0.9,0.999) y epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5.0
mixed_precision_training: Native AMP

Versiones del framework:
Transformers 4.44.0.dev0
Pytorch 2.4.0+cu118
Datasets 2.20.0
Tokenizers 0.19.1

Funcionalidades

Detección de objetos
Transformers
Safetensors
visión

Casos de uso

Detección de objetos en imágenes y videos
Implementación en sistemas de vigilancia
Aplicaciones en la robótica para el reconocimiento de objetos
Uso en dispositivos móviles para aplicaciones de realidad aumentada