官方承諾：K60至尊版將會首批升級MIUI 15
全新的MIUI 15今天也有了消息，在官宣了K60至尊版將會搭載天璣9200+處理器和獨顯芯片X7的同時，Redmi給出了官方承諾，K60至尊重大更新首批升級，會首批推送MIUI 15。也就是說雖然
YOLO！如果你對機器學習感興趣，這個術語一定不陌生。確實，You Only Look Once已經成為過去幾年中目標檢測的默認方法之一。受到卷積神經網絡取得的進展推動，許多版本的目標檢測方法已經被創建。然而，近年來，一個競爭對手出現在了視野中——那就是在計算機視覺中使用基于Transformer的模型。更具體地說，是使用Transformer進行目標檢測。
在今天的教程中，你將了解到這種類型的Transformer模型。你還將學會使用Python、一個默認的Transformer模型和HuggingFace Transformers庫創建自己的目標檢測流程。本文將按照下列步驟講解：
環顧四周，很可能你會看到很多東西——可能是一臺電腦顯示器、一個鍵盤和鼠標，或者當你在移動瀏覽器中瀏覽時，是一部智能手機。這些都是物體，是特定類別的實例。例如，在下面的圖像中，我們看到一個人類類別的實例。我們還看到了許多瓶子類別的實例。雖然類別是藍圖，但物體是真實存在的，具有許多獨特的特征，同時因為共享的特征而屬于類別的成員。
在圖片和視頻中，我們看到了許多這樣的物體。例如，當你拍攝交通視頻時，很可能會看到許多行人、汽車、自行車等實例。知道它們在圖像中存在是非常有益的。為什么呢？因為你可以計數它們，舉一個例子。這可以讓你對社區的擁擠程度有所了解。另一個例子是在繁忙地區檢測到一個停車位，讓你可以停車。
然后，我們將數據分配給一些變量，并遍歷每個結果，繪制邊界框。
# Open the imagewith Image.open("street.jpg") as im: # Perform object detection bounding_boxes = object_detector(im) # Iteration elements num_boxes = len(bounding_boxes) index = 0 # Draw bounding box for each result for bounding_box in bounding_boxes: # Get actual box box = bounding_box["box"] # Draw the bounding box im = draw_bounding_box(im, bounding_box["score"], bounding_box["label"],/ box["xmin"], box["ymin"], box["xmax"], box["ymax"], index, num_boxes) # Increase index by one index += 1 # Save image im.save("street_bboxes.jpg") # Done print("Done!")如果你創建了自己的模型，或者想要使用不同的模型，那么很容易使用它來代替基于ResNet-50的DeTr Transformer。這將需要你添加以下導入：
from transformers import DetrFeatureExtractor, DetrForObjectDetection然后，你可以初始化特征提取器和模型，并使用它們初始化object_detector，而不是默認的一個。例如，如果你想將ResNet-101用作你的骨干，那么你可以這樣做：
# Initialize another model and feature extractorfeature_extractor = DetrFeatureExtractor.from_pretrained('facebook/detr-resnet-101')model = DetrForObjectDetection.from_pretrained('facebook/detr-resnet-101')# Initialize the object detection pipelineobject_detector = pipeline("object-detection", model = model, feature_extractor = feature_extractor)以下是我們在輸入圖像上運行目標檢測流程后得到的結果：
當放大時：
本文鏈接：http://m.www897cc.com/showinfo-26-98871-0.html基于 Python 和 HuggingFace Transformers 的目標檢測
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： 你應該知道的主要軟件設計原則
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號