模型介绍
中文整理实时手机检测-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 实时手机检测模型，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手机的坐标信息，并可用于打电话检测等后续应用场景。
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 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
模型描述
本模型为实时手机检测模型，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
该模型适用于手机检测，输入任意的图像，输出图像中手机的位置信息。
类别ID 类别名称
- ----------- ------------
1 phone
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，得到图像中所有手机的外接矩形框信息。
推理代码范例
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，得到图片对应的手机检测结果。
微调代码范例
下面的示例代码展示如何基于已有的COCO格式数据集，进行模型的微调（finetune）。详细的训练说明可以参见：DAMOYOLO-S模型。
训练数据介绍
本模型是基于以下数据集训练得到：
phone-internal: 内部积累以及互联网爬取的相关手机数据。
数据评估及结果
模型在phone-internal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** 0.888 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）：
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。