marco_model

LLyq
Detección de objetos

Este modelo es una versión ajustada de facebook/detr-resnet-50 en el conjunto de datos imagefolder. Logra los siguientes resultados en el conjunto de evaluación: Pérdida: 0.3925, Map: 0.7574, Map 50: 0.929, Map 75: 0.884, Map Small: -1.0, Map Medium: 0.6668, Map Large: 0.7845, Mar 1: 0.1077, Mar 10: 0.7532, Mar 100: 0.8489, Mar Small: -1.0, Mar Medium: 0.8074, Mar Large: 0.8615, Map Per Class: -1.0, Mar 100 Per Class: -1.0, Clases: 0.

Como usar

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: cosine
  • num_epochs: 60
# Ejemplo de uso del modelo
from transformers import DetrForObjectDetection, DetrFeatureExtractor
import torch
from PIL import Image
import requests

# Modelo y extractor de características
model = DetrForObjectDetection.from_pretrained('LLyq/marco_model')
feature_extractor = DetrFeatureExtractor.from_pretrained('LLyq/marco_model')

# Imagen de prueba
url = 'URL_DE_LA_IMAGEN'
image = Image.open(requests.get(url, stream=True).raw)

# Proceso de inferencia
inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)

# Resultados
logits = outputs.logits
boxes = outputs.pred_boxes

Visibilidad social: el modelo no tiene suficiente actividad para ser desplegado en la API de inferencia (sin servidor) todavía. Aumente su visibilidad social y revise más tarde, o despliegue en Endpoints de inferencia (dedicado) en su lugar.

Funcionalidades

Detección de objetos
Transformers
TensorBoard
Safetensors
Endpoints de inferencia

Casos de uso

Detección de objetos en imágenes
Clasificación de imágenes
Sistemas de vigilancia
Automatización industrial