本模型为高性能热门应用系列检测模型中的 实时烟火检测模型,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烟火的坐标信息。
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 | 序号 | 模型名称 |
---|---|---|---|
1 | 实时人体检测模型 | 6 | 实时香烟检测模型 |
2 | 实时人头检测模型 | 7 | 实时手机检测模型 |
3 | 实时手部检测模型 | 8 | 实时交通标识检测模型 |
4 | 实时口罩检测模型 | 9 | Coming soon |
5 | 实时安全帽检测模型 |
本模型为实时烟火检测模型,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。
该模型适用于烟火检测,输入任意的图像,输出图像中烟火的外接矩形框坐标信息(支持图片中有多个烟火),以及是否佩戴口罩。
类别ID | 类别名称 |
---|---|
1 | smoke |
2 | fire |
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,得到图像中所有人脸的外接矩形框坐标信息,以及是否佩戴口罩。
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,得到图片对应的人脸佩戴口罩检测结果。
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
model_id = 'damo/cv_tinynas_object-detection_damoyolo_smokefire'
input_location = 'https://modelscope.oss-cn-beijing.aliyuncs.com/test/images/image_detection.jpg'
smokefire_detection = pipeline(Tasks.domain_specific_object_detection, model=model_id)
result = smokefire_detection(input_location)
print("result is : ", result)
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}
}