detr-resnet-50_finetuned_detect-waste

Yorai

Detección de objetos

Este modelo es una versión ajustada del facebook/detr-resnet-50 en el conjunto de datos detect-waste. El modelo se entrena específicamente para la detección de residuos, logrando una pérdida de 1.0141 en el conjunto de evaluación con métricas adicionales de Map y Mar que muestran su desempeño en diferentes escenarios de tamaño de objeto.

Como usar

Hugging Face Library:
from transformers import DetrForObjectDetection, DetrImageProcessor

model = DetrForObjectDetection.from_pretrained('Yorai/detr-resnet-50_finetuned_detect-waste')
processor = DetrImageProcessor.from_pretrained('Yorai/detr-resnet-50_finetuned_detect-waste')

A través de PyTorch:
import torch
from PIL import Image
import requests

# Descargar imagen de ejemplo
url = "https://example.com/path/to/image.jpg"
image = Image.open(requests.get(url, stream=True).raw)

# Procesar la imagen
inputs = processor(images=image, return_tensors="pt")

# Hacer la inferencia
with torch.no_grad():
    outputs = model(**inputs)

# Procesar y visualizar resultados
# Código adicional para procesar los outputs y visualización

Para más ejemplos y detalles, se recomienda revisar la documentación oficial de Hugging Face.

Funcionalidades

Detecta objetos en imágenes usando Transformadores
Ajustado especialmente para detectar residuos
Basado en la arquitectura detr-resnet-50
Entorno de entrenamiento en PyTorch
Código generado a partir de Hugging Face Trainer

Casos de uso

Identificación de residuos en ambientes urbanos
Clasificación y separación automática de residuos en plantas de reciclaje
Apoyo en estudios de impacto ambiental mediante la detección de basura en áreas remotas