Yolos Tiny NFL Object Detection

由 DunnBC22 开发

基于YOLOS-tiny微调的NFL头盔检测模型，用于识别美式橄榄球比赛中的头盔对象

目标检测

Transformers

英语

开源协议:Apache-2.0 #NFL头盔检测 #小目标检测 #体育视频分析

下载量 14

发布时间 : 7/30/2023

模型介绍

内容详情

替代品

模型简介

该模型是在nfl-object-detection数据集上微调的YOLOS-tiny版本，主要用于美式橄榄球比赛中的头盔检测任务。模型展示了目标检测技术在体育分析中的应用潜力。

模型特点

轻量级架构

基于YOLOS-tiny的轻量级设计，适合资源有限的环境

体育场景优化

专门针对NFL比赛场景中的头盔检测进行优化

可扩展基础

可作为更大型检测模型的基础进行进一步开发

模型能力

图像中的对象检测

体育场景分析

头盔识别

使用案例

体育分析

比赛视频分析

自动识别比赛视频中的球员头盔

可辅助比赛统计和球员追踪

安全监控

检测球员是否正确佩戴头盔

提高比赛安全性监控效率

许可证: apache-2.0
基础模型: hustvl/yolos-tiny
标签:

训练生成
NFL
体育
头盔
数据集:
nfl-object-detection
模型索引:
名称: yolos-tiny-NFL_Object_Detection
结果: []
语言:
英语
任务标签: 目标检测

* 该模型尚未完全训练完成！！！ *

该模型需要比现有资源能提供的更多训练！！！

yolos-tiny-NFL_Object_Detection

该模型是基于hustvl/yolos-tiny在nfl-object-detection数据集上微调的版本。

模型描述

如需了解其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/tree/main/Computer%20Vision/Object%20Detection/Trained%2C%20But%20to%20Standard/NFL%20Object%20Detection/Successful%20Attempt

该模型的微调和评估分别在不同的文件中进行。

** 如果您计划在NFL头盔检测数据集上微调目标检测模型，建议至少使用Yolos-small检查点。

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/keremberke/nfl-object-detection

训练过程

训练超参数

训练过程中使用了以下超参数:

学习率: 5e-05
训练批次大小: 8
评估批次大小: 8
随机种子: 42
优化器: Adam，参数betas=(0.9,0.999)，epsilon=1e-08
学习率调度器类型: 线性
训练轮数: 18

训练结果

指标名称	IoU	区域	最大检测数	指标值
平均精度 (AP)	IoU=0.50:0.95	区域=全部	最大检测数=100	0.003
平均精度 (AP)	IoU=0.50	区域=全部	最大检测数=100	0.010
平均精度 (AP)	IoU=0.75	区域=全部	最大检测数=100	0.000
平均精度 (AP)	IoU=0.50:0.95	区域=小	最大检测数=100	0.002
平均精度 (AP)	IoU=0.50:0.95	区域=中	最大检测数=100	0.014
平均精度 (AP)	IoU=0.50:0.95	区域=大	最大检测数=100	0.000
平均召回率 (AR)	IoU=0.50:0.95	区域=全部	最大检测数=1	0.002
平均召回率 (AR)	IoU=0.50:0.95	区域=全部	最大检测数=10	0.014
平均召回率 (AR)	IoU=0.50:0.95	区域=全部	最大检测数=100	0.029
平均召回率 (AR)	IoU=0.50:0.95	区域=小	最大检测数=100	0.026
平均召回率 (AR)	IoU=0.50:0.95	区域=中	最大检测数=100	0.105
平均召回率 (AR)	IoU=0.50:0.95	区域=大	最大检测数=100	0.000