许可协议：apache-2.0
标签：

• 目标检测
• 视觉
• detic
  数据集：
• coco
• lvis
  示例展示：
• 图片地址：https://huggingface.co/datasets/mishig/sample_images/resolve/main/savanna.jpg
  示例标题：热带草原
• 图片地址：https://huggingface.co/datasets/mishig/sample_images/resolve/main/football-match.jpg
  示例标题：足球比赛
• 图片地址：https://huggingface.co/datasets/mishig/sample_images/resolve/main/airport.jpg
  示例标题：机场

基于Detic方法在LVIS数据集上训练的可变形DETR模型

该模型为可变形检测变换器（Deformable DEtection TRansformer, DETR），在包含1203个类别的LVIS数据集上训练完成。相关论文《使用图像级监督检测两万类物体》由Zhou等人发表于arXiv，代码首发于此仓库。

本模型对应原仓库发布的"Detic_DeformDETR_R50_4x"检查点。

免责声明：Detic团队未提供此模型的说明文档，本文档由Hugging Face团队撰写。

模型描述

DETR模型是由卷积主干网络和编码器-解码器变换器组成的架构。解码器输出端添加了两个头部结构：用于类别标签预测的线性层和用于边界框预测的多层感知机（MLP）。模型通过"物体查询"机制在图像中检测目标，每个查询负责寻找特定物体。在COCO数据集中，查询数量固定为100。

训练采用"二分匹配损失"：将N=100个查询预测的类别和边界框与填充至相同长度的真实标注进行匹配（若图像仅含4个物体，其余96个标注的类别设为"无物体"，边界框设为"无框"）。通过匈牙利匹配算法建立查询与标注间的最优一对一映射，并采用交叉熵损失（类别）与L1损失+广义IoU损失的线性组合（边界框）来优化模型参数。

使用场景与限制

该模型可直接用于目标检测任务。访问模型库可获取所有可变形DETR模型。

使用方法

from transformers import AutoImageProcessor, DeformableDetrForObjectDetection  
import torch  
from PIL import Image  
import requests  

url = "http://images.cocodataset.org/val2017/000000039769.jpg"  
image = Image.open(requests.get(url, stream=True).raw)  

processor = AutoImageProcessor.from_pretrained("facebook/deformable-detr-detic")  
model = DeformableDetrForObjectDetection.from_pretrained("facebook/deformable-detr-detic")  

inputs = processor(images=image, return_tensors="pt")  
outputs = model(**inputs)  

# 将输出（边界框和类别分数）转换为COCO格式  
# 仅保留置信度>0.7的检测结果  
target_sizes = torch.tensor([image.size[::-1]])  
results = processor.post_process_object_detection(outputs, target_sizes=target_sizes, threshold=0.7)[0]  

for score, label, box in zip(results["scores"], results["labels"], results["boxes"]):  
    box = [round(i, 2) for i in box.tolist()]  
    print(  
            f"检测到 {model.config.id2label[label.item()]}，置信度"  
            f"{round(score.item(), 3)}，位置 {box}"  
    )  

评估结果

在LVIS数据集上达到32.5的边界框mAP和26.2的稀有类别mAP。

引用信息

@misc{https://doi.org/10.48550/arxiv.2010.04159,  
  doi = {10.48550/ARXIV.2010.04159},  
  url = {https://arxiv.org/abs/2010.04159},  
  author = {Zhu, Xizhou and Su, Weijie and Lu, Lewei and Li, Bin and Wang, Xiaogang and Dai, Jifeng},  
  keywords = {Computer Vision and Pattern Recognition (cs.CV), FOS: Computer and information sciences, FOS: Computer and information sciences},  
  title = {可变形DETR：端到端目标检测中的可变形变换器},  
  publisher = {arXiv},  
  year = {2020},  
  copyright = {arXiv.org永久非独占许可}  
}