Yolos Small Cell Tower Detection

由 DunnBC22 开发

该模型是基于hustvl/yolos-small微调后的版本，专门用于检测基站。

目标检测

Transformers

英语

开源协议:Apache-2.0 #小目标检测 #电信基础设施 #YOLOS架构

下载量 21

发布时间 : 8/19/2023

模型介绍

内容详情

替代品

模型简介

该模型旨在展示运用技术解决复杂问题的能力，主要用于基站目标检测任务。

模型特点

高效检测

基于YOLOS-small架构，能够高效检测图像中的基站目标。

微调优化

在特定数据集上进行微调，提升了基站检测的准确率。

模型能力

目标检测

基站识别

使用案例

基础设施监测

基站检测

用于检测图像中的基站，支持基础设施的监测和管理。

平均精度（AP）IoU=0.50为0.636

许可协议：apache-2.0
基础模型：hustvl/yolos-small
标签：

generated_from_trainer
模型索引：
名称：yolos-small-Cell_Tower_Detection
结果：[]
数据集：
Francesco/cell-towers
语言：
en
任务标签：object-detection

yolos-small-基站检测模型

该模型是基于hustvl/yolos-small微调后的版本。

模型描述

关于模型创建过程的更多信息，请查看以下链接：
https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Computer%20Vision/Object%20Detection/Cell%20Tower%20Object%20Detection/Cell%20Tower%20Detection%20YOLOS.ipynb

预期用途与限制

该模型旨在展示我运用技术解决复杂问题的能力。

训练与评估数据

数据集来源：https://huggingface.co/datasets/Francesco/cell-towers

训练流程

训练超参数

训练过程中使用的超参数如下：

学习率：1e-05
训练批次大小：8
评估批次大小：8
随机种子：42
优化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
学习率调度器类型：linear
训练轮次：30

训练结果

指标名称	IoU	目标尺寸	最大检测数	指标值
平均精度（AP）	IoU=0.50:0.95	全部尺寸	maxDets=100	0.287
平均精度（AP）	IoU=0.50	全部尺寸	maxDets=100	0.636
平均精度（AP）	IoU=0.75	全部尺寸	maxDets=100	0.239
平均精度（AP）	IoU=0.50:0.95	小目标	maxDets=100	0.069
平均精度（AP）	IoU=0.50:0.95	中目标	maxDets=100	0.289
平均精度（AP）	IoU=0.50:0.95	大目标	maxDets=100	0.556
平均召回率（AR）	IoU=0.50:0.95	全部尺寸	maxDets=1	0.192
平均召回率（AR）	IoU=0.50:0.95	全部尺寸	maxDets=10	0.460
平均召回率（AR）	IoU=0.50:0.95	全部尺寸	maxDets=100	0.492
平均召回率（AR）	IoU=0.50:0.95	小目标	maxDets=100	0.151
平均召回率（AR）	IoU=0.50:0.95	中目标	maxDets=100	0.488
平均召回率（AR）	IoU=0.50:0.95	大目标	maxDets=100	0.760