模型描述
NFL Health & Safety - Helmet Assignment 是Kaggle上的一个热门竞赛，由于其高额的奖金和极富挑战的任务设置吸引了许多实力强劲的队伍参与竞争。NFL Helmet检测在其中具有十分关键的地位，在此，我们提供基于DAMO-YOLO-S的NFL Helmet检测模型，您可以将其作为您的基础模型之一加入到方案中，实现更高的精度，欢迎试用。
模型评测
| Model | size | mAPval 0.5:0.95 |
Latency(ms) T4-TRT-FP16 |
FLOPs (G) |
Parameters(M) |
|---|---|---|---|---|---|
| DAMO-YOLO-S | 640 | -- | 3.83 | 37.8 | 16.3 |
- 表中汇报的mAP是COCO2017 val集上的结果。
- 表中汇报的latency不包括后处理（nms）时间，其测试条件为：T4 GPU，TensorRT=7.2.1.6， CUDA=10.2, CUDNN=8.0.0.1。
使用范围
本模型适用于NFL Health & Safety - Helmet Assignment竞赛，能对图片中的NFL Helmet进行定位。
使用方法
在ModelScope框架上，提供输入图片，即可以通过简单的Pipeline调用使用当前模型。具体代码示例如下：
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
object_detect = pipeline(Tasks.image_object_detection,model='XianzheXu/cv_tinynas_object-detection_damoyolo_nfl-helmet')
img_path ='./assets/nfl_1.jpg'
result = object_detect(img_path)
训练数据介绍
数据来源于NFL Health & Safety - Helmet Assignment赛事官方，数据集中包含一个类别，即NFL-Helmet。
模型可视化效果
引用
@article{damoyolo,
title={DAMO-YOLO: A Report on Real-Time Object Detection Design},
author={Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang and Xiuyu Sun},
journal={arXiv preprint arXiv:2211.15444v2},
year={2022}
}
评论