D-FINE

Instalacja

D-FINE nie wymaga opcjonalnego dodatku. Wszystkie importowane elementy znajdują się w instalacji bazowej.

pip install libreyolo

Wyjątkiem jest dostrajanie adapterów z lora=True, które wymaga dodatku lora.

pip install "libreyolo[lora]"

Predykcja

Przy pierwszym użyciu wagi są pobierane z Hugging Face i zapisywane lokalnie w pamięci podręcznej.

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreDFINEn.pt")result = model(SAMPLE_IMAGE, save=True) for box in result.boxes:    print(box.cls, box.conf, box.xyxy)

libreyolo predict model=LibreDFINEn.pt source=https://raw.githubusercontent.com/LibreYOLO/libreyolo/release/libreyolo/assets/parkour.jpg save=True

from libreyolo import LibreYOLO, SAMPLE_IMAGE # Sufiks -seg w nazwie pliku wybiera głowicę masek, więc argument# zadania nie jest tutaj potrzebny.model = LibreYOLO("LibreDFINEn-seg.pt")result = model(SAMPLE_IMAGE, save=True) print(result.masks.data.shape)

Zwracany obiekt Results jest taki sam dla każdej rodziny, dlatego zamiana detektora wymaga zmiany jednego wiersza. Nazwa pliku z sufiksem -seg automatycznie wybiera zadanie segmentacji, a result.masks zawiera wtedy maski instancji obok ramek. Argumenty conf i max_det filtrują wybór zapytań. Argument iou jest akceptowany dla zgodności API, lecz nie ma wpływu na wynik, ponieważ dekoder jest predyktorem zbioru bez etapu NMS. Zobacz stronę predykcji, aby poznać źródła, streaming i obsługę wyników.

Warianty

Dostępnych jest pięć rozmiarów. Wszystkie działają z tą samą rozdzielczością wejściową, dlatego tabela rozróżnia je według liczby parametrów i accuracy.

Segmentacja ponownie wykorzystuje backbone, enkoder i dekoder detekcji oraz dodaje głowicę masek, dlatego checkpoint -seg przyjmuje te same argumenty co odpowiadający mu checkpoint detekcji. Rodzina RT-DETRv4 w LibreYOLO została zaimplementowana jako podklasa otoki D-FINE. Dziedziczy tę linię dekodera, a następnie ogranicza listę zadań z powrotem do detekcji, ponieważ nie zawiera głowicy masek.

Trenowanie

Dla obu zadań trenowanie rozpoczyna się od opublikowanego checkpointu.

from libreyolo import LibreYOLO model = LibreYOLO("LibreDFINEn.pt")model.train(data="my-dataset.yaml", epochs=50, imgsz=640, batch=8, lr0=2e-4)

libreyolo train model=LibreDFINEn.pt data=my-dataset.yaml \  epochs=50 imgsz=640 batch=8 lr0=2e-4

# Kontynuuje od opublikowanych wag segmentacji wraz z głowicą masek.libreyolo train model=LibreDFINEn-seg.pt data=my-dataset.yaml \  task=segment epochs=50 imgsz=640

# Wagi detekcji nie zawierają głowicy masek, więc jest to jawny transfer:# głowica zaczyna bez wytrenowania i staje się użyteczna dopiero po trenowaniu.# Podanie tutaj task=segment autoryzuje transfer.libreyolo train model=LibreDFINEn.pt data=my-dataset.yaml \  task=segment epochs=50 imgsz=640

from libreyolo import LibreYOLO model = LibreYOLO("LibreDFINEn.pt")model.train(data="my-dataset.yaml", epochs=50, lora=True)

libreyolo train model=LibreDFINEn.pt data=my-dataset.yaml \  epochs=50 device=0,1 batch=16

Przy ustawieniach domyślnych moduł trenujący wykonuje 132 epoki z lr0=2e-4, amp=False, batchem 16 i early stopping po 50 epokach bez poprawy. Wagi detekcji są prawidłowym punktem wyjścia do trenowania segmentacji, ale wyłącznie jako jawny transfer. Głowica masek zaczyna bez wytrenowania i w przeciwnym razie zwracałaby bezwartościowe maski. Podanie task=segment w CLI autoryzuje ten transfer. Ścieżka Pythona jest bardziej ograniczona: klasę LibreDFINE trzeba utworzyć bezpośrednio z allow_detect_to_segment_transfer=True, ponieważ fabryka LibreYOLO() nie przyjmuje takiego argumentu. Bezpośrednie utworzenie nie pobiera pliku, więc wagi muszą już znajdować się na dysku.

Ustawienie lora=True dotyczy detekcji. Trenowanie segmentacji je odrzuca i wskazuje zamiast niego freeze='backbone', ponieważ głowica masek nie została przetestowana z adapterami. Na urządzeniach Apple silicon moduł trenujący przenosi całe uruchomienie na CPU. Przebieg wsteczny skwantowanego mnożenia macierzy w module Integral powoduje błąd kompilacji Metal. Nie ma to wpływu na inferencję w MPS.

Zobacz stronę trenowania, aby poznać zbiory danych, augmentację, obsługę wielu GPU i loggery.

Walidacja

Metoda val() zwraca słownik indeksowany nazwą metryki i wyświetla wyniki dla poszczególnych klas, gdy pozostawiono włączone verbose.

from libreyolo import LibreYOLO model = LibreYOLO("LibreDFINEn.pt")metrics = model.val(data="my-dataset.yaml") print(metrics["metrics/mAP50-95"])print(metrics["metrics/mAP50"])

libreyolo val model=LibreDFINEn.pt data=my-dataset.yaml

from libreyolo import LibreYOLO model = LibreYOLO("LibreDFINEn-seg.pt")metrics = model.val(data="my-dataset.yaml") print(metrics["metrics/mAP50-95(M)"])   # maskiprint(metrics["metrics/mAP50-95(B)"])   # ramki

Dla checkpointu -seg zwykły klucz metrics/mAP50-95 zawiera wynik masek. To samo uruchomienie raportuje też ramki pod oznaczeniem (B) i maski pod oznaczeniem (M), więc oba wyniki są dostępne po jednym przebiegu.

Eksport

Wyeksportowany artefakt jest ponownie wczytywany przez LibreYOLO() na podstawie sufiksu pliku, dlatego plik .onnx lub .engine zachowuje się jak checkpoint i zwraca ten sam obiekt Results. Ścieżki OpenVINO, Paddle, MNN i Core AI eksportują ze stałym obszarem zamiast kształtów dynamicznych. Strona Eksport zawiera argumenty obsługiwane przez każdy format oraz dodatki wymagane przez niektóre z nich.

from libreyolo import LibreYOLO model = LibreYOLO("LibreDFINEn.pt")model.export(format="onnx", imgsz=640)model.export(format="tensorrt", imgsz=640, half=True)

libreyolo export model=LibreDFINEn.pt format=onnx imgsz=640libreyolo export model=LibreDFINEn.pt format=tensorrt imgsz=640 half=True

from libreyolo import LibreYOLO, SAMPLE_IMAGE # Fabryka wybiera ścieżkę na podstawie sufiksu pliku, więc wyeksportowany# artefakt wczytuje się jak każdy checkpoint i zwraca ten sam obiekt Results.model = LibreYOLO("LibreDFINEn.onnx")result = model(SAMPLE_IMAGE) print(result.boxes.xyxy)

Checkpointy

Wszystkie opublikowane pliki wag dla tej rodziny.

Licencjonowanie

Cytowanie

@misc{peng2024dfine,
      title={D-FINE: Redefine Regression Task in DETRs as Fine-grained Distribution Refinement},
      author={Yansong Peng and Hebei Li and Peixi Wu and Yueyi Zhang and Xiaoyan Sun and Feng Wu},
      year={2024},
      eprint={2410.13842},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}