🚀 RT-DETR俄罗斯车牌检测及类型分类

本模型是一个用于俄罗斯车牌检测及类型分类的模型，基于预训练模型微调而来，能够准确识别普通车牌和警察车牌，在评估集上取得了良好的检测效果。

🚀 快速开始

本模型是 PekingU/rtdetr_r50vd_coco_o365 在未知数据集上的微调版本。 它在评估集上取得了以下结果：

• 损失值：4.1673
• 平均精度均值（mAP）：0.8829
• mAP@50：0.9858
• mAP@75：0.9736
• 车牌及其类型的 mAP：-1.0
• 大型目标 mAP：0.9689
• 中型目标 mAP：0.9125
• 普通车牌 mAP：0.857
• 警察车牌 mAP：0.9087
• 小型目标 mAP：0.696
• mAR@1：0.8686
• mAR@10：0.9299
• mAR@100：0.9357
• mAR@100 车牌及其类型：-1.0
• mAR@100 普通车牌：0.9169
• mAR@100 警察车牌：0.9545
• 大型目标 mAR：0.9844
• 中型目标 mAR：0.958
• 小型目标 mAR：0.8354

✨ 主要特性

• 精准检测：能够准确检测俄罗斯车牌，并区分普通车牌和警察车牌两种类型。
• 微调优化：基于强大的预训练模型进行微调，在特定数据集上表现出色。

💻 使用示例

基础用法

from transformers import AutoModelForObjectDetection, AutoImageProcessor
import torch
import supervision as sv


DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = AutoModelForObjectDetection.from_pretrained('Garon16/rtdetr_r50vd_russia_plate_detector').to(DEVICE)
processor = AutoImageProcessor.from_pretrained('Garon16/rtdetr_r50vd_russia_plate_detector')

path = 'path/to/image'
image = Image.open(path)
inputs = processor(image, return_tensors="pt").to(DEVICE)
with torch.no_grad():
    outputs = model(**inputs)
w, h = image.size
results = processor.post_process_object_detection(
    outputs, target_sizes=[(h, w)], threshold=0.3)
detections = sv.Detections.from_transformers(results[0]).with_nms(0.3)
labels = [
    model.config.id2label[class_id]
    for class_id
    in detections.class_id
]

annotated_image = image.copy()
annotated_image = sv.BoundingBoxAnnotator().annotate(annotated_image, detections)
annotated_image = sv.LabelAnnotator().annotate(annotated_image, detections, labels=labels)
  
grid = sv.create_tiles(
  [annotated_image],
  grid_size=(1, 1),
  single_tile_size=(512, 512),
  tile_padding_color=sv.Color.WHITE,
  tile_margin_color=sv.Color.WHITE
)
sv.plot_image(grid, size=(10, 10))

📚 详细文档

模型描述

该模型用于检测俄罗斯汽车的车牌，目前有两个类别：n_p（普通车牌）和 p_p（警察车牌）。

预期用途和限制

以下是使用该模型的示例代码，展示了如何进行车牌检测和可视化。

训练和评估数据

模型在自定义数据集上进行训练，数据集链接为：https://universe.roboflow.com/testcarplate/russian-license-plates-classification-by-this-type

训练过程

训练超参数

训练过程中使用了以下超参数：

训练结果

框架版本

• Transformers 4.46.0.dev0
• Pytorch 2.5.0+cu124
• Tokenizers 0.20.1

📄 许可证

本项目采用 Apache-2.0 许可证。