/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
grounding-dino · dense
Опубликована
25 сен 2023

grounding-dino-tiny

Поиск объектовИзображение → bounding_boxes5 профессий

Компактная Grounding DINO обнаруживает на изображениях объекты, соответствующие текстовым запросам, без обучения под каждый класс.

797 тыс.скачиваний за 30 дней121лайквеса обновлены12 мая 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Grounding DINO Tiny — компактный вариант модели Grounding DINO, разработанной Shilong Liu и соавторами. Она объединяет визуальный детектор объектов с текстовым энкодером и предназначена для обнаружения объектов по текстовым описаниям без отдельного обучения на размеченных примерах для каждого класса. Модель принимает изображение и текстовый запрос и возвращает найденные объекты с рамками и оценками соответствия запросу.

Модель подходит для поиска объектов с открытым набором категорий и zero-shot-детекции; в статье для Grounding DINO сообщается результат 52,5 AP на COCO в режиме zero-shot. Репозиторий содержит веса PyTorch и Safetensors, лицензия — Apache-2.0. В карточке указана библиотека Transformers.

Сценарии применения

  • поиск объектов на изображении по текстовому описанию
  • zero-shot-детекция объектов без размеченных примеров для классов
  • автоматическое обнаружение объектов для подготовки разметки изображений

Ограничения

Результат 52,5 AP относится к Grounding DINO в статье и не гарантирует такое же качество варианта Tiny. Качество обнаружения зависит от формулировки текстового запроса и содержимого изображения.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Grounding DINO model (tiny variant)

The Grounding DINO model was proposed in Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection by Shilong Liu, Zhaoyang Zeng, Tianhe Ren, Feng Li, Hao Zhang, Jie Yang, Chunyuan Li, Jianwei Yang, Hang Su, Jun Zhu, Lei Zhang. Grounding DINO extends a closed-set object detection model with a text encoder, enabling open-set object detection. The model achieves remarkable results, such as 52.5 AP on COCO zero-shot.

Grounding DINO overview. Taken from the original paper.

Intended uses & limitations

You can use the raw model for zero-shot object detection (the task of detecting things in an image out-of-the-box without labeled data).

How to use

Here's how to use the model for zero-shot object detection:

import requests

import torch
from PIL import Image
from transformers import AutoProcessor, AutoModelForZeroShotObjectDetection 

model_id = "IDEA-Research/grounding-dino-tiny"
device = "cuda" if torch.cuda.is_available() else "cpu"

processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForZeroShotObjectDetection.from_pretrained(model_id).to(device)

image_url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(image_url, stream=True).raw)
# Check for cats and remote controls
# VERY important: text queries need to be lowercased + end with a dot
text = "a cat. a remote control."

inputs = processor(images=image, text=text, return_tensors="pt").to(device)
with torch.no_grad():
    outputs = model(**inputs)

results = processor.post_process_grounded_object_detection(
    outputs,
    inputs.input_ids,
    box_threshold=0.4,
    text_threshold=0.3,
    target_sizes=[image.size[::-1]]
)

BibTeX entry and citation info

@misc{liu2023grounding,
      title={Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection}, 
      author={Shilong Liu and Zhaoyang Zeng and Tianhe Ren and Feng Li and Hao Zhang and Jie Yang and Chunyuan Li and Jianwei Yang and Hang Su and Jun Zhu and Lei Zhang},
      year={2023},
      eprint={2303.05499},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · object-detection

Нельзя запустить

Для архитектуры grounding-dino нет загрузчика под задачу object-detection.

Класс архитектуры
GroundingDinoForObjectDetection
Ревизия весов
a2bb814

0 моделей