实时人头检测-通用 模型介绍
本模型为高性能热门应用系列检测模型中的 实时人头检测模型，基于面向工业落地的高性能检测框架DAMOYOLO，其精度和速度超越当前经典的YOLO系列方法。用户使用的时候，仅需要输入一张图像，便可以获得图像中所有人头的坐标信息，并可用于行人计数等后续应用场景。
相关模型
以下是ModelScope上所有的热门应用检测模型（垂类目标检测模型）：
| 序号 | 模型名称 |
|---|---|
| 1 | 实时人体检测模型 |
| 2 | 实时口罩检测模型 |
| 3 | 实时安全帽检测模型 |
| 4 | 实时香烟检测模型 |
| 5 | Coming soon |
模型描述
本模型为实时人头检测模型，基于检测框架DAMOYOLO-S模型，DAMO-YOLO是一个面向工业落地的目标检测框架，兼顾模型速度与精度，其训练的模型效果超越了目前的一众YOLO系列方法，并且仍然保持极高的推理速度。DAMOYOLO与YOLO系列其它经典工作的性能对比如下图所示：
DAMOYOLO整体网络结构如下，整体由backbone (MAE-NAS), neck (GFPN), head (ZeroHead)三部分组成，基于"large neck, small head"的设计思想，对低层空间信息和高层语义信息进行更加充分的融合，从而提升模型最终的检测效果。
期望模型使用方式以及适用范围
该模型适用于人头检测，输入任意的图像，输出图像中人头的位置信息。
| 类别ID | 类别名称 |
|---|---|
| 1 | head |
如何使用
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，得到图像中所有人头的外接矩形框信息。
代码范例
基础示例代码。下面的示例代码展示的是如何通过一张图片作为输入，得到图片对应的人头检测结果。
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
model_id = 'damo/cv_tinynas_head-detection_damoyolo'
input_location = 'https://modelscope.oss-cn-beijing.aliyuncs.com/test/images/image_detection.jpg'
head_detection = pipeline(Tasks.head_detection, model=model_id)
result = head_detection(input_location)
print("result is : ", result)
训练数据介绍
本模型是基于以下数据集训练得到：
- Safety Helmet Wearing Dataset (SHWD)人头数据；
- 内部积累以及互联网爬取的相关人头数据。
数据评估及结果
模型在SHWD的验证集上客观指标如下：
| Method | AP@0.5 | Latency(ms) T4-TRT-FP16 |
FLOPs (G) | Parameters (M) |
|---|---|---|---|---|
| DAMO-YOLO-S | 0.934 | 3.83 | 37.8 | 16.3 |
相关论文以及引用信息
本模型主要参考论文如下（论文链接：link）：
@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