Baidu's RT-DETR: детектор объектов в реальном времени на основе трансформатора зрения

Обзор

Real-Time Detection Transformer (RT-DETR), разработанный компанией Baidu, представляет собой передовой комплексный детектор объектов, обеспечивающий производительность в реальном времени при сохранении высокой точности. Он основан на идее DETR (фреймворк без NMS), но при этом в него введена основа на conv и эффективный гибридный кодер для достижения скорости в реальном времени. RT-DETR эффективно обрабатывает разномасштабные признаки, отделяя внутримасштабное взаимодействие и межмасштабное слияние. Модель обладает высокой адаптивностью, поддерживая гибкую настройку скорости вывода с использованием различных слоев декодера без переобучения. RT-DETR отлично работает на ускоренных бэкендах, таких как CUDA и TensorRT, превосходя многие другие детекторы объектов в реальном времени.

Смотреть: Трансформатор обнаружения в реальном времени (RT-DETR)

Обзор сайта Baidu RT-DETR. На схеме архитектуры модели RT-DETR показаны три последних этапа магистрали {S3, S4, S5} в качестве входа для кодера. Эффективный гибридный кодер преобразует разномасштабные признаки в последовательность признаков изображения с помощью внутримасштабного взаимодействия признаков (AIFI) и модуля межмасштабного слияния признаков (CCFM). Выбор запроса с учетом IoU используется для выбора фиксированного числа признаков изображения, которые служат исходными объектными запросами для декодера. Наконец, декодер со вспомогательными головками предсказания итеративно оптимизирует запросы к объектам для получения боксов и оценок уверенности (источник).

Основные характеристики

• Эффективный гибридный кодировщик: В системе Baidu RT-DETR используется эффективный гибридный кодировщик, который обрабатывает разномасштабные признаки, отделяя внутримасштабное взаимодействие от межмасштабного слияния. Эта уникальная конструкция на основе Vision Transformers снижает вычислительные затраты и позволяет обнаруживать объекты в режиме реального времени.
• Выбор запросов с учетом IoU: Модель Baidu RT-DETR улучшает инициализацию запросов к объектам благодаря использованию IoU-aware query selection. Это позволяет модели сосредоточиться на наиболее значимых объектах в сцене, повышая точность обнаружения.
• Адаптируемая скорость вывода данных: система Baidu RT-DETR поддерживает гибкую настройку скорости вывода данных путем использования различных слоев декодера без необходимости переобучения. Такая адаптивность облегчает практическое применение в различных сценариях обнаружения объектов в реальном времени.

Предварительно обученные модели

API Ultralytics Python предоставляет предварительно обученные PaddlePaddle RT-DETR модели с различными масштабами:

• RT-DETR-L: 53.0% AP на COCO val2017, 114 FPS на T4 GPU
• RT-DETR-X: 54,8% AP на COCO val2017, 74 FPS на T4 GPU

Примеры использования

В этом примере приведены простые примеры обучения и вывода RT-DETR . Полную документацию по этим и другим режимам можно найти на страницах Predict, Train, Val и Export docs.

from ultralytics import RTDETR

# Load a COCO-pretrained RT-DETR-l model
model = RTDETR("rtdetr-l.pt")

# Display model information (optional)
model.info()

# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference with the RT-DETR-l model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

# Load a COCO-pretrained RT-DETR-l model and train it on the COCO8 example dataset for 100 epochs
yolo train model=rtdetr-l.pt data=coco8.yaml epochs=100 imgsz=640

# Load a COCO-pretrained RT-DETR-l model and run inference on the 'bus.jpg' image
yolo predict model=rtdetr-l.pt source=path/to/bus.jpg

Поддерживаемые задачи и режимы

В этой таблице представлены типы моделей, конкретные предварительно обученные веса, задачи, поддерживаемые каждой моделью, и различные режимы(Train, Val, Predict, Export), которые поддерживаются, обозначенные ✅ emojis.

Цитаты и благодарности

Если вы используете сайт Baidu RT-DETR в своих исследованиях или разработках, пожалуйста, ссылайтесь на оригинальную статью:

@misc{lv2023detrs,
      title={DETRs Beat YOLOs on Real-time Object Detection},
      author={Wenyu Lv and Shangliang Xu and Yian Zhao and Guanzhong Wang and Jinman Wei and Cheng Cui and Yuning Du and Qingqing Dang and Yi Liu},
      year={2023},
      eprint={2304.08069},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

Мы хотели бы выразить благодарность компании Baidu и ее PaddlePaddle за создание и поддержку этого ценного ресурса для сообщества компьютерного зрения. Мы высоко ценим их вклад в эту область, связанный с разработкой детектора объектов в реальном времени на основе Vision Transformers, RT-DETR.

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ

Что такое модель Baidu RT-DETR и как она работает?

Baidu's RT-DETR (Real-Time Detection Transformer) - это передовой детектор объектов в реальном времени, построенный на архитектуре Vision Transformer. Он эффективно обрабатывает многомасштабные признаки, отделяя внутримасштабное взаимодействие и межмасштабное слияние с помощью эффективного гибридного кодера. Используя IoU-aware query selection, модель фокусируется на наиболее релевантных объектах, повышая точность обнаружения. Благодаря адаптируемой скорости вывода, достигаемой за счет настройки слоев декодера без переобучения, RT-DETR подходит для различных сценариев обнаружения объектов в реальном времени. Подробнее о возможностях RT-DETR можно узнать здесь.

Как я могу использовать предварительно обученные модели RT-DETR , предоставленные сайтом Ultralytics?

Вы можете использовать Ultralytics Python API для использования предварительно обученных PaddlePaddle RT-DETR моделей. Например, чтобы загрузить модель RT-DETR-l, предварительно обученную на COCO val2017, и добиться высокого FPS на T4 GPU, можно воспользоваться следующим примером:

from ultralytics import RTDETR

# Load a COCO-pretrained RT-DETR-l model
model = RTDETR("rtdetr-l.pt")

# Display model information (optional)
model.info()

# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference with the RT-DETR-l model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

# Load a COCO-pretrained RT-DETR-l model and train it on the COCO8 example dataset for 100 epochs
yolo train model=rtdetr-l.pt data=coco8.yaml epochs=100 imgsz=640

# Load a COCO-pretrained RT-DETR-l model and run inference on the 'bus.jpg' image
yolo predict model=rtdetr-l.pt source=path/to/bus.jpg

Почему стоит выбрать RT-DETR от Baidu, а не другие детекторы объектов в реальном времени?

Сайт RT-DETR компании Baidu отличается эффективным гибридным кодировщиком и выбором запросов с учетом IoU, что значительно снижает вычислительные затраты при сохранении высокой точности. Уникальная возможность регулировать скорость вывода, используя различные слои декодера без переобучения, обеспечивает значительную гибкость. Это делает его особенно выгодным для приложений, требующих производительности в реальном времени на ускоренных платформах, таких как CUDA и TensorRT, превосходящих многие другие детекторы объектов в реальном времени.

Как RT-DETR поддерживает адаптируемую скорость вывода для различных приложений реального времени?

Система Baidu RT-DETR позволяет гибко регулировать скорость вывода информации, используя различные слои декодера без необходимости переобучения. Такая адаптивность очень важна для масштабирования производительности при решении различных задач обнаружения объектов в реальном времени. Независимо от того, нужна ли вам более быстрая обработка данных для обеспечения низкой точности или более медленное и точное обнаружение, RT-DETR может быть адаптирован к вашим конкретным требованиям.

Могу ли я использовать модели RT-DETR с другими режимами Ultralytics , такими как обучение, проверка и экспорт?

Да, модели RT-DETR совместимы с различными режимами Ultralytics , включая обучение, валидацию, предсказание и экспорт. Подробные инструкции по использованию этих режимов можно найти в соответствующей документации: Train, Val, Predict и Export. Это обеспечивает комплексный рабочий процесс для разработки и развертывания решений по обнаружению объектов.

📅 Создано 1 год назад ✏️ Обновлено 1 месяц назад

Комментарии