Transformers documentation
RF-DETR
이 모델은 2024-07-24에 HF papers에 게시되었으며, 2026-05-07에 Hugging Face Transformers에 기여되었습니다.
RF-DETR
RF-DETR는 실시간 객체 탐지에서 주류인 YOLO 시리즈와 경쟁하고 이를 뛰어넘도록 설계된 Receptive Field Detection Transformer(DETR) 아키텍처를 제안합니다. 최근 transformer의 발전과 효율적인 설계 선택을 결합하여 속도(레이턴시)와 정확도(mAP) 간의 새로운 state-of-the-art 균형을 달성합니다.
RF-DETR 아키텍처는 DINOv2 Backbone, Projector, 얕은 DETR Decoder로 구성된 단순하고 효율적인 구조가 특징입니다. 다음과 같은 핵심 수정 사항을 통해 DETR 아키텍처의 효율성과 속도를 향상시킵니다:
- DINOv2 Backbone: 강력한 DINOv2 backbone을 사용하여 견고한 특징 추출을 수행합니다.
- Group DETR Training: 학습 시 Group-Wise One-to-Many Assignment를 활용하여 수렴을 가속화합니다.
- 풍부한 입력: 백본에서 다단계 특징을 집계하고, YOLOv8과 유사하게 C2f Projector를 사용해 다중 스케일 특징을 전달합니다.
- Faster Decoder: 낮은 지연 시간을 위해 변형 크로스 어텐션(deformable cross-attention)을 사용하는 얕은 3층 DETR 디코더를 채택합니다.
- 최적화된 쿼리: 학습 가능한 콘텐츠 쿼리와 생성된 공간 쿼리를 결합한 혼합 쿼리 방식을 사용합니다.
사용 가능한 RF-DETR 체크포인트는 모두 Roboflow 조직에서 찾을 수 있습니다. 원본 코드는 여기에서 확인할 수 있습니다.
가중치 변환 매핑 덕분에 RfDetr은 원래의 rf-detr 라이브러리에서 가져온 모델뿐 아니라 Roboflow 플랫폼을 사용하여 학습한 모델과도 호환됩니다. 즉, Roboflow 플랫폼에서 모델을 학습한 후 transformers의 RfDetr를 사용하여 가중치를 가져와 모델을 어디에나 배포할 수 있습니다.
오른쪽 사이드바의 RF-DETR 모델에 클릭하여 RF-DETR을 다양한 객체 감지 작업에 적용하는 방법에 대한 추가 예제를 확인하세요.
아래 예제는 Pipeline와 AutoModel 클래스를 사용하여 객체 감지를 수행하는 방법을 보여줍니다.
from transformers import pipeline
import torch
pipeline = pipeline("object-detection", model="Roboflow/rf-detr-medium", device_map="auto")
pipeline("http://images.cocodataset.org/val2017/000000039769.jpg")from transformers import AutoImageProcessor, AutoModelForObjectDetection
from PIL import Image
from huggingface_hub.utils import httpx
from io import BytesIO
import torch
url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(BytesIO(httpx.get(url).content))
image_processor = AutoImageProcessor.from_pretrained("Roboflow/rf-detr-medium")
model = AutoModelForObjectDetection.from_pretrained("Roboflow/rf-detr-medium", device_map="auto")
# prepare image for the model
inputs = image_processor(images=image, return_tensors="pt").to(model.device)
with torch.no_grad():
outputs = model(**inputs)
results = image_processor.post_process_object_detection(outputs, target_sizes=torch.tensor([image.size[::-1]]), threshold=0.3)
for result in results:
for score, label_id, box in zip(result["scores"], result["labels"], result["boxes"]):
score, label = score.item(), label_id.item()
box = [round(i, 2) for i in box.tolist()]
print(f"{model.config.id2label[label]}: {score:.2f} {box}")supervision을 사용하여 결과 시각화
supervision 라이브러리를 사용하여 감지 및 분할 결과를 시각화할 수 있습니다. pip install supervision을 실행하여 설치하세요.
from transformers import AutoImageProcessor, AutoModelForObjectDetection
from PIL import Image
import supervision as sv
from huggingface_hub.utils import httpx
from io import BytesIO
import torch
url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(BytesIO(httpx.get(url).content))
image_processor = AutoImageProcessor.from_pretrained("Roboflow/rf-detr-medium")
model = AutoModelForObjectDetection.from_pretrained("Roboflow/rf-detr-medium", device_map="auto")
inputs = image_processor(images=image, return_tensors="pt").to(model.device)
with torch.no_grad():
outputs = model(**inputs)
results = image_processor.post_process_object_detection(
outputs, target_sizes=torch.tensor([image.height, image.width]), threshold=0.3
)[0]
detections = sv.Detections.from_transformers(
transformers_results=results, id2label=model.config.id2label
)
box_annotator = sv.BoxAnnotator()
label_annotator = sv.LabelAnnotator()
annotated_image = image.copy()
annotated_image = box_annotator.annotate(annotated_image, detections)
annotated_image = label_annotator.annotate(annotated_image, detections)
sv.plot_image(annotated_image)from transformers import AutoImageProcessor, AutoModelForInstanceSegmentation
from PIL import Image
import supervision as sv
from huggingface_hub.utils import httpx
from io import BytesIO
import torch
url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(BytesIO(httpx.get(url).content))
image_processor = AutoImageProcessor.from_pretrained("Roboflow/rf-detr-seg-medium")
model = AutoModelForInstanceSegmentation.from_pretrained("Roboflow/rf-detr-seg-medium", device_map="auto")
inputs = image_processor(images=image, return_tensors="pt").to(model.device)
with torch.no_grad():
outputs = model(**inputs)
results = image_processor.post_process_instance_segmentation(
outputs, target_sizes=[image.size[::-1]], threshold=0.3
)[0]
detections = sv.Detections.from_transformers(
transformers_results=results, id2label=model.config.id2label
)
mask_annotator = sv.MaskAnnotator()
label_annotator = sv.LabelAnnotator()
annotated_image = image.copy()
annotated_image = mask_annotator.annotate(annotated_image, detections)
annotated_image = label_annotator.annotate(annotated_image, detections)
sv.plot_image(annotated_image)리소스
- 참고: 객체 감지 작업 가이드.
RfDetrConfig
클래스 transformers.RfDetrConfig
< source >( transformers_version: str | None = Nonearchitectures: list[str] | None = Noneoutput_hidden_states: bool | None = Falsereturn_dict: bool | None = Truedtype: str | torch.dtype | None = Nonechunk_size_feed_forward: int = 0is_encoder_decoder: bool = Falseid2label: dict[int, str] | dict[str, str] | None = Nonelabel2id: dict[str, int] | dict[str, str] | None = Noneproblem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = Nonebackbone_config: dict | transformers.configuration_utils.PreTrainedConfig | None = Nonehidden_expansion: float = 0.5c2f_num_blocks: int = 3activation_function: str = 'silu'dropout: float = 0.1decoder_ffn_dim: int = 2048decoder_n_points: int = 4decoder_layers: int = 3decoder_self_attention_heads: int = 8decoder_cross_attention_heads: int = 16decoder_activation_function: str = 'relu'num_queries: int = 300attention_bias: bool = Trueattention_dropout: float | int = 0.0activation_dropout: float | int = 0.0group_detr: int = 13init_std: float = 0.02disable_custom_kernels: bool = Trueclass_cost: int | float = 2bbox_cost: int | float = 5giou_cost: int | float = 2class_loss_coefficient: int | float = 1dice_loss_coefficient: int | float = 1bbox_loss_coefficient: int | float = 5giou_loss_coefficient: int | float = 2eos_coefficient: float = 0.1focal_alpha: float = 0.25auxiliary_loss: bool = Trued_model: int = 256layer_norm_eps: float = 1e-05num_feature_levels: int = 1mask_loss_coefficient: int | float = 1mask_point_sample_ratio: int = 16mask_downsample_ratio: int = 4mask_class_loss_coefficient: int | float = 5.0mask_dice_loss_coefficient: int | float = 5.0segmentation_head_activation_function: str = 'gelu'intermediate_size: int = 1024 )
매개변수
- backbone_config (
Union[dict, ~configuration_utils.PreTrainedConfig], 선택) — backbone 모델의 설정입니다. - hidden_expansion (
float, 선택 사항, 기본값 0.5) — projector 레이어의 hidden 차원 확장 계수입니다. - c2f_num_blocks (
int, 선택 사항, 기본값 3) — C2F 레이어의 블록 수. - activation_function (
str, 선택 사항, 기본값"silu") — 프로젝터에서 사용되는 비선형 활성화 함수입니다. 지원되는 값은"silu","relu","gelu"입니다. - dropout (
float, 선택 사항, 기본값0.1) — 모든 dropout 레이어에 적용할 비율입니다. - decoder_ffn_dim (
int, 선택 사항, 기본값2048) — decoder의 “intermediate”(일반적으로 feed-forward라고도 함) 레이어의 차원입니다. - decoder_n_points (
int, 선택 사항, 기본값 4) — 디코더의 각 어텐션 헤드에서 각 피처 레벨당 샘플링되는 키의 수입니다. - decoder_layers (
int, 선택 사항, 기본값 3) — transformer의 decoder 레이어 수입니다. - decoder_self_attention_heads (
int, 선택 사항, 기본값 8) — 디코더 셀프 어텐션의 각 어텐션 레이어에 사용할 어텐션 헤드 수입니다. - decoder_cross_attention_heads (
int, 선택 사항, 기본값 16) — 디코더 크로스 어텐션의 각 어텐션 레이어에 사용할 어텐션 헤드 수입니다. - decoder_activation_function (
str, 선택 사항, 기본값"relu") — 디코더에서 사용되는 비선형 활성화 함수입니다. 지원되는 값은"relu","silu","gelu"입니다. - num_queries (
int, 선택 사항, 기본값 300) — 객체 쿼리의 수, 즉 탐지 슬롯의 수입니다. 이는 RfDetrModel이 단일 이미지에서 탐지할 수 있는 최대 객체 수입니다. - attention_bias (
bool, 선택 사항, 기본값True) — 자기 주의(self-attention) 시 query, key, value 및 출력 투영 계층에 bias를 사용할지 여부입니다. - attention_dropout (
Union[float, int], 선택 사항, 기본값0.0) — Attention 확률에 적용할 dropout 비율입니다. - activation_dropout (
Union[float, int], 선택 사항, 기본값0.0) — 완전 연결 레이어 내부 활성화에 적용할 dropout 비율입니다. - group_detr (
int, 선택 사항, 기본값 13) — Group DETR attention 메커니즘의 그룹 수입니다. 계산 복잡도를 줄이는 데 도움이 됩니다. - init_std (
float, 선택 사항, 기본값0.02) — 모든 가중치 행렬을 초기화하는 truncated_normal_initializer의 표준 편차입니다. - disable_custom_kernels (
bool, 선택 사항, 기본값True) — 커스텀 CUDA 및 CPU 커널 사용을 비활성화합니다. PyTorch ONNX export에서 커스텀 커널이 지원되지 않으므로 ONNX export를 위해 이 옵션이 필요합니다. - class_cost (
Union[int, float], 선택 사항, 기본값2) — 헝가리안 매칭 비용에서 분류 오류의 상대적 가중치입니다. - bbox_cost (
Union[int, float], 선택 사항, 기본값5) — 헝가리안 매칭 비용에서 L1 바운딩 박스 오차의 상대적 가중치입니다. - giou_cost (
Union[int, float], 선택 사항, 기본값2) — 헝가리안 매칭 비용에서 일반화 IoU 손상의 상대적 가중치입니다. - class_loss_coefficient (
float, 선택 사항, 기본값 1) — 헝가리안 매칭 비용에서 분류 손실의 상대적 가중치입니다. - dice_loss_coefficient (
float, 선택 사항, 기본값 1) — 객체 탐지 손실에서 DICE/F-1 손실의 상대적 가중치입니다. - bbox_loss_coefficient (
float, 선택 사항, 기본값 5) — 객체 감지 손실에서 L1 바운딩 박스 손실의 상대적 가중치입니다. - giou_loss_coefficient (
float, 선택 사항, 기본값 2) — 객체 탐지 손실에서 일반화 IoU 손실의 상대적 가중치. - eos_coefficient (
float, 선택 사항, 기본값0.1) — 객체 감지 손실에서 ‘no-object’ 클래스의 상대 분류 가중치입니다. - focal_alpha (
float, 선택 사항, 기본값0.25) — focal loss의 Alpha 매개변수입니다. - auxiliary_loss (
bool, 선택 사항, 기본값True) — 보조 디코딩 손실(각 디코더 레이어의 손실)을 사용할지 여부입니다. - d_model (
int, 선택 사항, 기본값256) — 인코더 레이어와 풀러 레이어의 크기입니다. - layer_norm_eps (
float, 선택 사항, 기본값1e-05) — 레이어 정규화 레이어에서 사용되는 epsilon 값입니다. - num_feature_levels (
int, 선택 사항, 기본값 1) — 멀티스케일 deformable attention에 사용되는 feature level의 수입니다. - mask_loss_coefficient (
float, 선택 사항, 기본값 1) — 인스턴스 분할 마스크 손실에서 Focal loss의 상대적 가중치입니다. - mask_point_sample_ratio (
int, 선택 사항, 기본값 16) — 마스크 손실 계산에 사용할 포인트 샘플링 비율입니다. - mask_downsample_ratio (
int, 선택 사항, 기본값 4) — 입력 이미지 해상도 대비 분할 마스크의 다운샘플 비율입니다. - mask_class_loss_coefficient (
float, 선택 사항, 기본값 5.0) — 인스턴스 분할 손실에서 Focal loss의 상대적 가중치입니다. - mask_dice_loss_coefficient (
float, 선택 사항, 기본값 5.0) — 인스턴스 분할 손실에서 DICE/F-1 손실의 상대적 가중치. - segmentation_head_activation_function (
str, 선택 사항, 기본값"gelu") — 분할 헤드에서 사용되는 비선형 활성화 함수입니다. 지원되는 값은"relu","silu","gelu"입니다. - intermediate_size (
int, 선택 사항, 기본값1024) — MLP 표현의 차원입니다.
이것은 RfDetrModel의 설정을 저장하기 위한 설정 클래스입니다. 지정된 인자에 따라 Rf Detr 모델을 인스턴스화하고 모델 아키텍처를 정의하는 데 사용됩니다. 기본값으로 설정을 인스턴스화하면 Roboflow/rf-detr-base와 유사한 설정이 생성됩니다.
Configuration 객체는 PreTrainedConfig를 상속하며 모델 출력을 제어하는 데 사용할 수 있습니다. 자세한 내용은 PreTrainedConfig의 문서를 참고하세요.
예:
>>> from transformers import RfDetrConfig, RfDetrModel
>>> # Initializing a RF-DETR roboflow/rf-detr-base style configuration
>>> configuration = RfDetrConfig()
>>> # Initializing a model (with random weights) from the Roboflow/rf-detr-base style configuration
>>> model = RfDetrModel(configuration)
>>> # Accessing the model configuration
>>> configuration = model.configRfDetrDinov2Config
클래스 transformers.RfDetrDinov2Config
< source >( transformers_version: str | None = Nonearchitectures: list[str] | None = Noneoutput_hidden_states: bool | None = Falsereturn_dict: bool | None = Truedtype: str | torch.dtype | None = Nonechunk_size_feed_forward: int = 0is_encoder_decoder: bool = Falseid2label: dict[int, str] | dict[str, str] | None = Nonelabel2id: dict[str, int] | dict[str, str] | None = Noneproblem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = Nonehidden_size: int = 768num_hidden_layers: int = 12num_attention_heads: int = 12mlp_ratio: int = 4hidden_act: str = 'gelu'hidden_dropout_prob: float | int = 0.0attention_probs_dropout_prob: float | int = 0.0initializer_range: float = 0.02layer_norm_eps: float = 1e-06image_size: int | list[int] | tuple[int, int] = 224patch_size: int | list[int] | tuple[int, int] = 14num_channels: int = 3qkv_bias: bool = Truelayerscale_value: float = 1.0drop_path_rate: float | int = 0.0use_swiglu_ffn: bool = False_out_features: list[str] | None = None_out_indices: list[int] | None = Noneapply_layernorm: bool = Truereshape_hidden_states: bool = Trueuse_mask_token: bool = Truenum_windows: int = 4 )
매개변수
- hidden_size (
int, 선택 사항, 기본값768) — 숨겨진 표현의 차원입니다. - num_hidden_layers (
int, 선택 사항, 기본값12) — Transformer 디코더의 숨겨진 레이어 수. - num_attention_heads (
int, 선택 사항, 기본값12) — Transformer decoder의 각 attention layer에 사용할 attention head의 수입니다. - mlp_ratio (
int, 선택 사항, 기본값4) — MLP 은닉 차원과 임베딩 차원의 비율입니다. - hidden_act (
str, 선택 사항, 기본값gelu) — 디코더에서 사용되는 비선형 활성화 함수(함수 또는 문자열)입니다. 예를 들어,"gelu","relu","silu"등이 있습니다. - hidden_dropout_prob (
Union[float, int], 선택 사항, 기본값0.0) — 임베딩, 인코더, 풀러의 모든 완전 연결 계층에 적용되는 드롭아웃 확률입니다. - attention_probs_dropout_prob (
Union[float, int], 선택 사항, 기본값0.0) — Attention 확률에 적용할 dropout 비율입니다. - initializer_range (
float, 선택 사항, 기본값0.02) — 모든 가중치 행렬을 초기화하는 truncated_normal_initializer의 표준 편차입니다. - layer_norm_eps (
float, 선택 사항, 기본값1e-06) — 레이어 정규화 레이어에서 사용되는 epsilon 값입니다. - image_size (
Union[int, list[int], tuple[int, int]], 선택 사항, 기본값224) — 각 이미지의 크기(해상도). - patch_size (
Union[int, list[int], tuple[int, int]], 선택 사항, 기본값14) — 각 패치의 크기(해상도)입니다. - num_channels (
int, 선택 사항, 기본값3) — 입력 채널의 수입니다. - qkv_bias (
bool, 선택 사항, 기본값True) — 쿼리, 키, 값에 bias를 추가할지 여부. - layerscale_value (
float, 선택 사항, 기본값 1.0) — layer scale에 사용할 초기 값입니다. - drop_path_rate (
float, 선택 사항, 기본값 0.0) — 샘플별 Stochastic depth rate (잔차 레이어의 메인 경로에 적용될 때). - use_swiglu_ffn (
bool, 선택 사항, 기본값False) — SwiGLU 피드포워드 신경망을 사용할지 여부. - apply_layernorm (
bool, 선택, 기본값True) — 모델이 backbone으로 사용될 경우 feature map에 layer normalization을 적용할지 여부. - reshape_hidden_states (
bool, 선택 사항, 기본값True) — 모델이 backbone으로 사용될 때, feature maps를(batch_size, d_model, height, width)형태의 4D tensor로 reshape할지 여부입니다.False인 경우, feature maps는(batch_size, seq_len, d_model)형태의 3D tensor가 됩니다. - use_mask_token (
bool, 선택 사항, 기본값True) — 임베딩에 mask_token을 사용할지 여부입니다. - num_windows (
int, 선택 사항, 기본값 4) — 윈도우드 어텐션에 사용할 윈도우의 수입니다. 1인 경우 윈도우드 어텐션이 사용되지 않습니다.
이것은 RfDetrModel의 설정을 저장하기 위한 설정 클래스입니다. 지정된 인자에 따라 Rf Detr 모델을 인스턴스화하고 모델 아키텍처를 정의하는 데 사용됩니다. 기본값으로 설정을 인스턴스화하면 Roboflow/rf-detr-base와 유사한 설정이 생성됩니다.
Configuration 객체는 PreTrainedConfig를 상속하며 모델 출력을 제어하는 데 사용할 수 있습니다. 자세한 내용은 PreTrainedConfig의 문서를 참고하세요.
예:
>>> from transformers import RfDetrDinov2Config, RfDetrDinov2Backbone
>>> # Initializing a RfDetrDinov2 base style configuration
>>> configuration = RfDetrDinov2Config()
>>> # Initializing a model (with random weights) from the base style configuration
>>> model = RfDetrDinov2Backbone(configuration)
>>> # Accessing the model configuration
>>> configuration = model.configRfDetrImageProcessor
클래스 transformers.RfDetrImageProcessor
< source >( **kwargs: *<class 'transformers.models.rf_detr.image_processing_rf_detr.RfDetrImageProcessorKwargs'> )
매개변수
- do_convert_rgb (
bool, kwargs, 선택 사항) — 이미지를 RGB로 변환할지 여부입니다. - do_resize (
bool, kwargs, 선택 사항, 기본값True) — 이미지를 리사이즈할지 여부. - size (
Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs, 기본값{'shortest_edge' -- 800, 'longest_edge': 1333}): 모델에 전달되는 최대 입력 차원을 설명합니다. - default_to_square (
bool, kwargs, 선택 사항, 기본값False) — size가 int인 경우 리사이즈 시 정사각형 이미지로 기본 설정할지 여부. - crop_size (
Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) —center_crop을 적용한 후 출력 이미지의 크기. - resample (
Annotated[Union[int, PILImageResampling, NoneType], None], kwargs, 기본값2) — 이미지 크기를 조정할 때 사용할 리샘플링 필터입니다.PILImageResamplingenum 중 하나를 사용할 수 있습니다.do_resize가True로 설정된 경우에만 효과가 있습니다. - do_rescale (
bool, kwargs, 선택, 기본값True) — 이미지를 다시 스케일링할지 여부. - rescale_factor (
float, kwargs, 선택 사항, 기본값0.00392156862745098) —do_rescale이True로 설정된 경우 이미지를 재조정(rescale)하는 데 사용할 재조정 계수입니다. - do_normalize (
bool, kwargs, 선택, 기본값True) — 이미지를 정규화할지 여부. - image_mean (
Union[float, list[float], tuple[float, ...]], kwargs, 선택, 기본값[0.485, 0.456, 0.406]) — 정규화에 사용할 이미지 평균입니다.do_normalize가True로 설정된 경우에만 효과가 있습니다. - image_std (
Union[float, list[float], tuple[float, ...]], kwargs, 선택, 기본값[0.229, 0.224, 0.225]) — 정규화에 사용할 이미지 표준 편차입니다.do_normalize가True로 설정된 경우에만 효과가 있습니다. - do_pad (
bool, kwargs, 선택, 기본값True) — 이미지에 패딩을 적용할지 여부입니다. 패딩은 배치 내 가장 큰 크기로 수행하거나, 이미지마다 고정된 정사각형 크기로 수행합니다. 정확한 패딩 전략은 모델에 따라 달라집니다. - pad_size (
Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) — 이미지를 패딩할{"height": int, "width" int}크기를 지정합니다. 전처리용으로 제공된 모든 이미지 크기보다 커야 합니다.pad_size가 제공되지 않으면, 배치 내 가장 큰 높이와 너비로 패딩됩니다.do_pad=True.일 때만 적용됩니다. - do_center_crop (
bool, kwargs, 선택) — 이미지를 중앙으로 크롭할지 여부. - data_format (
Union[str, ~image_utils.ChannelDimension], kwargs, 선택 사항) —ChannelDimension.FIRST만 지원됩니다. 느린 프로세서와의 호환성을 위해 추가되었습니다. - input_data_format (
Union[str, ~image_utils.ChannelDimension], kwargs, 선택 사항) — 입력 이미지의 채널 차원 형식입니다. 설정되지 않으면 입력 이미지에서 채널 차원 형식을 추론합니다. 다음 중 하나일 수 있습니다:"channels_first"또는ChannelDimension.FIRST: (num_channels, height, width) 형식의 이미지."channels_last"또는ChannelDimension.LAST: (height, width, num_channels) 형식의 이미지."none"또는ChannelDimension.NONE: (height, width) 형식의 이미지.
- device (
Annotated[Union[str, torch.device, NoneType], None], kwargs) — 동영상을 처리할 장치입니다. 설정되지 않은 경우, 입력 동영상에서 장치를 추론합니다. - return_tensors (
Annotated[str | ~utils.generic.TensorType | None, None], kwargs) —'pt'로 설정된 경우 스택된 텐서를 반환하고, 그렇지 않으면 텐서 목록을 반환합니다. - disable_grouping (
bool, kwargs, 선택 사항) — 이미지를 크기에 따라 그룹화하는 것을 비활성화하여 배치 대신 개별적으로 처리할지 여부입니다. None인 경우, 이미지가 CPU에 있으면 True, 그렇지 않으면 False로 설정됩니다. 이 선택은 https://github.com/huggingface/transformers/pull/38157에 자세히 설명된 경험적 관찰에 기반합니다. - image_seq_length (
int, kwargs, 선택 사항) — 입력에서 각 이미지에 사용할 이미지 토큰의 수입니다. 하위 호환성을 위해 추가되었지만, 향후 모델에서는 프로세서 속성으로 설정해야 합니다. - format (
str, kwargs, optional, 기본값AnnotationFormat.COCO_DETECTION) — 주석의 데이터 형식입니다. “coco_detection” 또는 “coco_panoptic” 중 하나입니다. - do_convert_annotations (
bool, kwargs, 선택 사항, 기본값True) — RF_DETR 모델이 기대하는 형식으로 어노테이션을 변환할지 여부를 제어합니다. 바운딩 박스를(center_x, center_y, width, height)형식으로 변환하고 범위를[0, 1]로 설정합니다.preprocess메서드의do_convert_annotations매개변수로 재정의할 수 있습니다.
RfDetrImageProcessor 이미지 프로세서를 생성합니다.
preprocess
< source >( images: typing.Union[ForwardRef('PIL.Image.Image'), numpy.ndarray, ForwardRef('torch.Tensor'), list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor']]annotations: dict[str, int | str | list[dict]] | list[dict[str, int | str | list[dict]]] | None = Nonereturn_segmentation_masks: bool | None = Nonemasks_path: str | pathlib.Path | None = None**kwargs: *<class 'transformers.models.rf_detr.image_processing_rf_detr.RfDetrImageProcessorKwargs'> ) → ~image_processing_base.BatchFeature
매개변수
- images (
Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]]) — 전처리할 이미지. 픽셀 값이 0에서 255 범위로 이루어진 단일 이미지 또는 배치 이미지를 기대합니다. 픽셀 값이 0에서 1 사이인 이미지를 전달하는 경우do_rescale=False로 설정하세요. - annotations (
AnnotationType또는list[AnnotationType], 선택) — 이미지에 적용되는 패딩에 따라 변환할 어노테이션입니다. - return_segmentation_masks (
bool, 선택 사항, 기본값self.return_segmentation_masks) — 분할 마스크를 반환할지 여부. - masks_path (
str또는pathlib.Path, 선택) — 분할 마스크가 포함된 디렉터리의 경로입니다. - do_convert_rgb (
bool, kwargs, 선택 사항) — 이미지를 RGB로 변환할지 여부입니다. - do_resize (
bool, kwargs, 선택) — 이미지를 리사이즈할지 여부. - size (
Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) — 모델의 최대 입력 차원을 설명합니다. - default_to_square (
bool, kwargs, 선택 사항) — size가 int인 경우 리사이즈 시 정사각형 이미지로 기본 설정할지 여부. - crop_size (
Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) —center_crop을 적용한 후 출력 이미지의 크기. - resample (
Annotated[Union[int, PILImageResampling, NoneType], None], kwargs) — 이미지를 리사이즈할 경우 사용할 리샘플링 필터입니다. 이는PILImageResamplingenum 중 하나일 수 있습니다.do_resize가True로 설정된 경우에만 효과가 있습니다. - do_rescale (
bool, kwargs, 선택 사항) — 이미지를 다시 스케일링할지 여부입니다. - rescale_factor (
float, kwargs, optional) —do_rescale이True로 설정된 경우 이미지를 리스케일하기 위한 리스케일 팩터입니다. - do_normalize (
bool, kwargs, optional) — 이미지를 정규화할지 여부. - image_mean (
Union[float, list[float], tuple[float, ...]], kwargs, 선택) — 정규화에 사용할 이미지 평균입니다.do_normalize가True로 설정된 경우에만 효과가 있습니다. - image_std (
Union[float, list[float], tuple[float, ...]], kwargs, 선택) — 정규화에 사용할 이미지 표준 편차.do_normalize가True로 설정된 경우에만 효과가 있습니다. - do_pad (
bool, kwargs, optional) — 이미지를 패딩할지 여부입니다. 패딩은 배치 내 가장 큰 크기로 수행하거나, 이미지마다 고정된 정사각형 크기로 수행합니다. 정확한 패딩 전략은 모델에 따라 달라집니다. - pad_size (
Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) — 이미지를 패딩할{"height": int, "width" int}크기를 지정합니다. 전처리용으로 제공된 모든 이미지 크기보다 커야 합니다.pad_size가 제공되지 않으면, 배치 내 가장 큰 높이와 너비로 패딩됩니다.do_pad=True.일 때만 적용됩니다. - do_center_crop (
bool, kwargs, 선택) — 이미지를 중앙으로 크롭할지 여부. - data_format (
Union[str, ~image_utils.ChannelDimension], kwargs, 선택 사항) —ChannelDimension.FIRST만 지원됩니다. 느린 프로세서와의 호환성을 위해 추가되었습니다. - input_data_format (
Union[str, ~image_utils.ChannelDimension], kwargs, 선택 사항) — 입력 이미지의 채널 차원 형식입니다. 설정되지 않으면 입력 이미지에서 채널 차원 형식을 추론합니다. 다음 중 하나일 수 있습니다:"channels_first"또는ChannelDimension.FIRST: (num_channels, height, width) 형식의 이미지."channels_last"또는ChannelDimension.LAST: (height, width, num_channels) 형식의 이미지."none"또는ChannelDimension.NONE: (height, width) 형식의 이미지.
- device (
Annotated[Union[str, torch.device, NoneType], None], kwargs) — 동영상을 처리할 장치입니다. 설정되지 않은 경우, 입력 동영상에서 장치를 추론합니다. - return_tensors (
Annotated[str | ~utils.generic.TensorType | None, None], kwargs) —'pt'로 설정된 경우 스택된 텐서를 반환하고, 그렇지 않으면 텐서 목록을 반환합니다. - disable_grouping (
bool, kwargs, 선택 사항) — 이미지를 크기에 따라 그룹화하는 것을 비활성화하여 배치 대신 개별적으로 처리할지 여부입니다. None인 경우, 이미지가 CPU에 있으면 True, 그렇지 않으면 False로 설정됩니다. 이 선택은 https://github.com/huggingface/transformers/pull/38157에 자세히 설명된 경험적 관찰에 기반합니다. - image_seq_length (
int, kwargs, 선택 사항) — 입력에서 각 이미지에 사용할 이미지 토큰의 수입니다. 하위 호환성을 위해 추가되었지만, 향후 모델에서는 프로세서 속성으로 설정해야 합니다. - format (
str, kwargs, optional, 기본값AnnotationFormat.COCO_DETECTION) — 주석의 데이터 형식입니다. “coco_detection” 또는 “coco_panoptic” 중 하나입니다. - do_convert_annotations (
bool, kwargs, 선택 사항, 기본값True) — RF_DETR 모델이 기대하는 형식으로 어노테이션을 변환할지 여부를 제어합니다. 바운딩 박스를(center_x, center_y, width, height)형식으로 변환하고 범위를[0, 1]로 설정합니다.preprocess메서드의do_convert_annotations매개변수로 재정의할 수 있습니다.
반환값
~image_processing_base.BatchFeature
- data (
dict) — call 메서드가 반환하는 리스트/배열/텐서 딕셔너리(‘pixel_values’ 등). - tensor_type (
Union[None, str, TensorType], 선택 사항) — 초기화 시 PyTorch/Numpy 텐서에서 정수 목록을 변환하려면 여기에 tensor_type를 지정할 수 있습니다.
post_process_object_detection
< source >( outputsthreshold: float = 0.5target_sizes: transformers.utils.generic.TensorType | list[tuple] | None = Nonetop_k: int | None = None ) → list[Dict]
매개변수
- outputs (
RfDetrObjectDetectionOutput) — 모델의 원시 출력입니다. - threshold (
float, 선택 사항) — 객체 감지 예측을 유지하기 위한 점수 임계값. - target_sizes (
torch.Tensor또는list[tuple[int, int]], 선택 사항) —(batch_size, 2)형태의 Tensor 또는 각 이미지의 대상 크기(height, width)를 포함하는 튜플(tuple[int, int])의 리스트입니다. 설정하지 않으면 예측 결과가 리사이즈되지 않습니다.
반환값
list[Dict]
…
RfDetrForObjectDetection의 원시 출력을 (top_left_x, top_left_y, bottom_right_x, bottom_right_y) 형식의 최종 바운딩 박스로 변환합니다. PyTorch만 지원합니다.
post_process_instance_segmentation
< source >( outputsthreshold: float = 0.5mask_threshold: float = 0.0target_sizes: list[tuple[int, int]] | None = Nonereturn_coco_annotation: bool = Falsereturn_binary_maps: bool = Falsetop_k: int | None = None**kwargs ) → list[dict]
매개변수
- outputs ([RfDetrInstanceSegmentationOutput]) — 모델의 원시 출력입니다.
- threshold (float, 선택 사항, 기본값 0.5) — 예측된 인스턴스 마스크를 유지하기 위한 점수 임계값입니다.
- mask_threshold (float, optional, 기본값 0.0) — 예측된 마스크를 이진화할 임계값.
- target_sizes (list[tuple[int, int]], 선택 사항) —
각 이미지의 대상
(height, width)입니다. 설정하지 않으면 마스크는 리사이즈되지 않습니다. - return_coco_annotation (bool, optional, 기본값 False) — True인 경우, segmentation maps를 tensor 대신 COCO run-length encoding으로 반환합니다. return_binary_maps와 상호 배타적입니다.
- return_binary_maps (bool, optional, 기본값 False) —
True인 경우, 겹침 해결 없이 각 감지된 인스턴스별 바이너리 인스턴스 마스크로 구성된 스택된 텐서로 분할 맵을 반환합니다. 이는 원래
rfdetr패키지의 출력 형식과 일치합니다. return_coco_annotation과 상호 배타적입니다. - top_k (int, optional) — 점수 임계값 적용 전에 평가되는 후보 쿼리의 최대 개수입니다. 기본값은 쿼리의 총 개수입니다.
반환값
list[dict]
이미지별로 키가 포함된 딕셔너리 하나:
- segmentation —
int32세그먼트 ID(-1= 배경)의 Tensor[H, W], return_binary_maps=True인 경우 bool 바이너리 마스크의 Tensor[num_instances, H, W], 또는 return_coco_annotation=True인 경우 RLE 인코딩 목록. - segments_info —
id,label_id,score키를 가진 dict의 목록.
[RfDetrForInstanceSegmentation]의 출력을 인스턴스 분할 예측으로 변환합니다.
RfDetrModel
class transformers.RfDetrModel
< source >( config: RfDetrConfig )
매개변수
- config (RfDetrConfig) — 모델의 모든 매개변수를 포함하는 모델 구성 클래스입니다. 구성 파일로 초기화하는 것은 모델과 관련된 가중치를 로드하지 않으며, 구성 정보만 로드합니다. 모델 가중치를 로드하려면 from_pretrained() 메서드를 확인하세요.
특정 헤드가 없는 맨 LW Detr 모델(백본과 디코더 Transformer로 구성)은 원시 hidden-states를 출력합니다.
이 모델은 PreTrainedModel에서 상속됩니다. 라이브러리가 모든 모델에 대해 구현하는 일반적 메서드(다운로드 또는 저장, 입력 임베딩 크기 조정, 헤드 프루닝 등)에 대한 세부 사항은 상위 클래스 문서를 확인하세요.
이 모델은 또한 PyTorch torch.nn.Module의 하위 클래스입니다. 일반적인 PyTorch Module처럼 사용하며, 일반적인 사용법 및 동작과 관련된 모든 사항은 PyTorch 문서를 참조하세요.
forward
< source >( pixel_values: Tensorpixel_mask: typing.Optional[torch.LongTensor] = None**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> ) → RfDetrModelOutput or tuple(torch.Tensor)
매개변수
- pixel_values (
torch.Tensor, shape(batch_size, num_channels, image_size, image_size)) — 입력 이미지에 해당하는 텐서입니다. 픽셀 값은 RfDetrImageProcessor를 사용하여 얻을 수 있습니다. 자세한 내용은 RfDetrImageProcessor.call()를 참조하세요 (processor_class는 이미지 처리에 RfDetrImageProcessor를 사용합니다). - pixel_mask (
torch.LongTensor다음 형식의(batch_size, height, width), 선택 사항) — 패딩 픽셀 값에 대한 attention을 수행하지 않도록 하는 마스크. [0, 1]에서 선택된 마스크 값: 실제 픽셀(즉, 마스크되지 않은 픽셀)은 1, 패딩 픽셀(즉, 마스크된 픽셀)은 0. attention 마스크란 무엇일까요?[0, 1]:- 실제 픽셀(즉, 마스크가 적용되지 않은 픽셀)에 대해 1
- 패딩(즉, 마스크 처리된) 픽셀은 0
반환값
RfDetrModelOutput 또는 tuple(torch.Tensor)
RfDetrModelOutput 또는 torch.Tensor의 튜플(return_dict=False가 전달되었거나 config.return_dict=False인 경우)로, 구성(RfDetrConfig)과 입력에 따라 다양한 요소를 포함합니다.
RF-DETR 모델의 forward pass입니다. 파이프라인은 다음과 같이 진행됩니다:
- backbone의 평탄화 출력에서 초기 객체 쿼리 임베딩 및 공간 위치 제안 집합을 생성합니다.
- 리파인된 인코더 단계 예측을 위한 저장소를 초기화합니다(멀티 그룹 쿼리 구조를 수용). 각 쿼리 그룹에 대해 객체 쿼리 및 그 좌표를 반복적으로 리파인하여 인코더 단계에서 가장 높은 신뢰도의 후보를 포착합니다.
- 학습 가능한 쿼리 특징 및 공간 참조 점을 초기화합니다(추론 시 효율성을 위해 주 그룹으로 제한).
- base reference points를 배치 전체에 투영한 후, 예측된 좌표 정제 값으로 이를 정제합니다(디코딩 전에 주의를 발견된 객체 위치로 이동). 그런 다음 대상 쿼리 특징을 배치 차원에 맞게 확장합니다.
- 정제된 쿼리와 업데이트된 참조점을 transformer decoder를 통해 전달하여 다중 스케일 특징에서 상세한 공간 컨텍스트를 집계합니다.
last_hidden_state (
torch.Tensor, shape(batch_size, sequence_length, hidden_size), 선택 사항) — 모델의 마지막 레이어 출력에서 생성된 hidden-state 시퀀스입니다.init_reference_points (
torch.Tensor, shape(batch_size, num_queries, 4)) — Transformer decoder를 통해 전달되는 초기 reference points.intermediate_hidden_states (
torch.Tensor, shape(batch_size, config.decoder_layers, num_queries, d_model)) — 스택된 중간 hidden states(decoder의 각 레이어 출력).intermediate_reference_points (
torch.Tensor, shape(batch_size, config.decoder_layers, num_queries, 4)) — 스택된 중간 참조 포인트(decoder의 각 레이어의 참조 포인트).enc_outputs_class (
torch.Tensor, shape(batch_size, sequence_length, config.num_labels), 선택 사항,config.with_box_refine=True이고config.two_stage=True일 때 반환됨) — 첫 번째 단계에서 점수가 가장 높은config.two_stage_num_proposals개의 바운딩 박스가 영역 제안으로 선택되는 예측 바운딩 박스 점수입니다. 바운딩 박스 이진 분류(즉, 포그라운드와 배경)의 출력입니다.enc_outputs_coord_logits (
torch.Tensor, shape(batch_size, sequence_length, 4), 선택적,config.with_box_refine=True이고config.two_stage=True일 때 반환됨) — 1단계에서 예측된 바운딩 박스 좌표의 로짓.hidden_states (
tuple[torch.Tensor, ...], 선택 사항,output_hidden_states=True가 전달되거나config.output_hidden_states=True인 경우 반환됨) —torch.Tensor의 튜플(모델에 임베딩 레이어가 있는 경우 임베딩의 출력에 대한 것 1개 + 각 레이어의 출력에 대한 것 1개)로, 모양은(batch_size, sequence_length, hidden_size)입니다.각 레이어의 출력에서 모델의 Hidden-states와 선택적 초기 임베딩 출력을 포함합니다.
attentions (
tuple[torch.Tensor, ...], 선택 사항,output_attentions=True가 전달되었거나config.output_attentions=True인 경우 반환됨) — 각 레이어마다 하나씩 포함된torch.Tensor의 튜플로, 모양은(batch_size, num_heads, sequence_length, sequence_length)입니다.self-attention 헤드에서 가중 평균을 계산하는 데 사용되는 attention softmax 이후의 attention 가중치.
cross_attentions (
tuple[torch.Tensor, ...], 선택 사항,output_attentions=True가 전달되거나config.output_attentions=True인 경우 반환됨) — 각 레이어마다 하나씩 포함된torch.Tensor의 튜플로, 모양은(batch_size, num_heads, sequence_length, sequence_length)입니다.decoder의 cross-attention 레이어에서 attention softmax를 적용한 후, cross-attention 헤드에서 가중 평균을 계산하는 데 사용되는 attention 가중치입니다.
backbone_features (
list의torch.Tensor, 형태(batch_size, config.num_channels, config.image_size, config.image_size)) — backbone에서 추출된 특징.
예:
>>> from transformers import AutoImageProcessor, RfDetrModel
>>> from PIL import Image
>>> import requests
>>> url = "http://images.cocodataset.org/val2017/000000039769.jpg"
>>> image = Image.open(requests.get(url, stream=True).raw)
>>> image_processor = AutoImageProcessor.from_pretrained("Roboflow/rf-detr-base")
>>> model = RfDetrModel.from_pretrained("Roboflow/rf-detr-base")
>>> inputs = image_processor(images=image, return_tensors="pt")
>>> outputs = model(**inputs)
>>> last_hidden_states = outputs.last_hidden_state
>>> list(last_hidden_states.shape)
[1, 200, 256]RfDetrForObjectDetection
클래스 transformers.RfDetrForObjectDetection
< source >( config: RfDetrConfig )
매개변수
- config (RfDetrConfig) — 모델의 모든 매개변수를 포함하는 모델 구성 클래스입니다. 구성 파일로 초기화하는 것은 모델과 관련된 가중치를 로드하지 않으며, 구성 정보만 로드합니다. 모델 가중치를 로드하려면 from_pretrained() 메서드를 확인하세요.
COCO detection과 같은 작업을 위해 객체 감지 헤드가 위에 있는 LW DETR 모델(백본과 디코더 Transformer로 구성됨).
이 모델은 PreTrainedModel에서 상속됩니다. 라이브러리가 모든 모델에 대해 구현하는 일반적 메서드(다운로드 또는 저장, 입력 임베딩 크기 조정, 헤드 프루닝 등)에 대한 세부 사항은 상위 클래스 문서를 확인하세요.
이 모델은 또한 PyTorch torch.nn.Module의 하위 클래스입니다. 일반적인 PyTorch Module처럼 사용하며, 일반적인 사용법 및 동작과 관련된 모든 사항은 PyTorch 문서를 참조하세요.
forward
< source >( pixel_values: Tensor = Nonepixel_mask: typing.Optional[torch.LongTensor] = Nonelabels: list[dict] | None = None**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> ) → RfDetrObjectDetectionOutput or tuple(torch.Tensor)
매개변수
- pixel_values (
torch.Tensor, shape(batch_size, num_channels, image_size, image_size), 선택 사항) — 입력 이미지에 해당하는 텐서입니다. 픽셀 값은 RfDetrImageProcessor를 사용하여 얻을 수 있습니다. 자세한 내용은 RfDetrImageProcessor.call()를 참조하세요 (processor_class는 이미지 처리에 RfDetrImageProcessor를 사용합니다). - pixel_mask (
torch.LongTensor다음 형식의(batch_size, height, width), 선택 사항) — 패딩 픽셀 값에 대한 attention을 수행하지 않도록 하는 마스크. [0, 1]에서 선택된 마스크 값: 실제 픽셀(즉, 마스크되지 않은 픽셀)은 1, 패딩 픽셀(즉, 마스크된 픽셀)은 0. attention 마스크란 무엇일까요?[0, 1]:- 실제 픽셀(즉, 마스크가 적용되지 않은 픽셀)에 대해 1
- 패딩(즉, 마스크 처리된) 픽셀은 0
- labels (
list[Dict], 길이(batch_size,), 선택 사항) — 이분 매칭 손실을 계산하기 위한 라벨. 각 딕셔너리는 최소한 ‘class_labels’와 ‘boxes’라는 두 개의 키를 포함해야 합니다(각각 배치 내 이미지의 클래스 라벨과 바운딩 박스). 클래스 라벨 자체는torch.LongTensor이며 길이는(number of bounding boxes in the image,)이고, boxes는torch.Tensor이며 모양은(number of bounding boxes in the image, 4)입니다.
반환값
RfDetrObjectDetectionOutput 또는 tuple(torch.Tensor)
RfDetrObjectDetectionOutput 또는 torch.Tensor의 튜플(return_dict=False가 전달되었거나 config.return_dict=False인 경우)로, 구성(RfDetrConfig)과 입력에 따라 다양한 요소를 포함합니다.
forward pass는 다음과 같이 진행됩니다:
- RF-DETR 기반 모델로 시각 입력을 처리하여 transformer의 마지막 hidden state와 최종 reference point 시퀀스를 얻습니다.
- 첫 번째 단계: 인코더가 제안한 객체 쿼리 임베딩에서 분류 로짓을 생성합니다.
- 두 번째 단계: 디코더의 마지막 hidden state와 가장 최근의 reference points를 사용하여 최종 분류 라벨과 정제된 bounding box를 예측합니다
loss (
torch.Tensor, shape(1,), 선택 사항,labels가 제공될 때 반환됨) — 클래스 예측에 대한 음의 로그 가능도(교차 엔트로피)와 바운딩 박스 손실의 선형 결합으로 계산된 총 손실입니다. 후자는 L1 손실과 일반화된 스케일 불변 IoU 손실의 선형 결합으로 정의됩니다.loss_dict (
Dict, 선택) — 개별 손실 값을 포함하는 사전입니다. 로깅에 유용합니다.logits (
torch.Tensor, shape(batch_size, num_queries, num_classes + 1)) — 모든 query에 대한 분류 logits(no-object 포함).pred_boxes (
torch.Tensor, shape(batch_size, num_queries, 4)) — 모든 쿼리에 대한 정규화된 박스 좌표로, (center_x, center_y, width, height)로 표현됩니다. 이 값들은 배치 내 각 개별 이미지의 크기에 대해 [0, 1] 범위로 정규화되어 있습니다(가능한 패딩은 무시).~DeformableDetrProcessor.post_process_object_detection를 사용하여 정규화되지 않은 바운딩 박스를 가져올 수 있습니다.auxiliary_outputs (
list[Dict], 선택) — 선택 사항이며, 보조 손실이 활성화된 경우(즉,config.auxiliary_loss가True로 설정된 경우)와 라벨이 제공된 경우에만 반환됩니다. 각 디코더 레이어에 대해 위의 두 키(logits와pred_boxes)를 포함하는 사전의 목록입니다.init_reference_points (
torch.Tensor, shape(batch_size, num_queries, 4)) — Transformer decoder를 통해 전달되는 초기 reference points.last_hidden_state (
torch.Tensor, shape(batch_size, sequence_length, hidden_size), 선택 사항) — 모델의 마지막 레이어 출력에서 생성된 hidden-state 시퀀스입니다.intermediate_hidden_states (
torch.Tensor, shape(batch_size, config.decoder_layers, num_queries, d_model)) — 스택된 중간 hidden states(decoder의 각 레이어 출력).intermediate_reference_points (
torch.Tensor, shape(batch_size, config.decoder_layers, num_queries, 4)) — 스택된 중간 참조 포인트(decoder의 각 레이어의 참조 포인트).enc_outputs_class (
torch.Tensor, shape(batch_size, sequence_length, config.num_labels), 선택 사항,config.with_box_refine=True이고config.two_stage=True일 때 반환됨) — 첫 번째 단계에서 점수가 가장 높은config.two_stage_num_proposals개의 바운딩 박스가 영역 제안으로 선택되는 예측 바운딩 박스 점수입니다. 바운딩 박스 이진 분류(즉, 포그라운드와 배경)의 출력입니다.enc_outputs_coord_logits (
torch.Tensor, shape(batch_size, sequence_length, 4), 선택적,config.with_box_refine=True이고config.two_stage=True일 때 반환됨) — 1단계에서 예측된 바운딩 박스 좌표의 로짓.hidden_states (
tuple[torch.Tensor, ...], 선택 사항,output_hidden_states=True가 전달되거나config.output_hidden_states=True인 경우 반환됨) —torch.Tensor의 튜플(모델에 임베딩 레이어가 있는 경우 임베딩의 출력에 대한 것 1개 + 각 레이어의 출력에 대한 것 1개)로, 모양은(batch_size, sequence_length, hidden_size)입니다.각 레이어의 출력에서 모델의 Hidden-states와 선택적 초기 임베딩 출력을 포함합니다.
attentions (
tuple[torch.Tensor, ...], 선택 사항,output_attentions=True가 전달되었거나config.output_attentions=True인 경우 반환됨) — 각 레이어마다 하나씩 포함된torch.Tensor의 튜플로, 모양은(batch_size, num_heads, sequence_length, sequence_length)입니다.self-attention 헤드에서 가중 평균을 계산하는 데 사용되는 attention softmax 이후의 attention 가중치.
cross_attentions (
tuple[torch.Tensor, ...], 선택 사항,output_attentions=True가 전달되거나config.output_attentions=True인 경우 반환됨) — 각 레이어마다 하나씩 포함된torch.Tensor의 튜플로, 모양은(batch_size, num_heads, sequence_length, sequence_length)입니다.decoder의 cross-attention 레이어에서 attention softmax를 적용한 후, cross-attention 헤드에서 가중 평균을 계산하는 데 사용되는 attention 가중치입니다.
backbone_features (
list의torch.Tensor, 형태(batch_size, config.num_channels, config.image_size, config.image_size)) — backbone에서 추출된 특징.
예:
>>> from transformers import AutoImageProcessor, RfDetrForObjectDetection
>>> from PIL import Image
>>> import requests
>>> url = "http://images.cocodataset.org/val2017/000000039769.jpg"
>>> image = Image.open(requests.get(url, stream=True).raw)
>>> image_processor = AutoImageProcessor.from_pretrained("Roboflow/rf-detr-base")
>>> model = RfDetrForObjectDetection.from_pretrained("Roboflow/rf-detr-base")
>>> inputs = image_processor(images=image, return_tensors="pt")
>>> outputs = model(**inputs)
>>> # convert outputs (bounding boxes and class logits) to Pascal VOC format (xmin, ymin, xmax, ymax)
>>> target_sizes = torch.tensor([image.size[::-1]])
>>> results = image_processor.post_process_object_detection(outputs, threshold=0.5, target_sizes=target_sizes)[
... 0
... ]
>>> for score, label, box in zip(results["scores"], results["labels"], results["boxes"]):
... box = [round(i, 2) for i in box.tolist()]
... print(
... f"Detected {model.config.id2label[label.item()]} with confidence "
... f"{round(score.item(), 3)} at location {box}"
... )
Detected cat with confidence 0.8 at location [16.5, 52.84, 318.25, 470.78]
Detected cat with confidence 0.789 at location [342.19, 24.3, 640.02, 372.25]
Detected remote with confidence 0.633 at location [40.79, 72.78, 176.76, 117.25]RfDetrForInstanceSegmentation
forward
< source >( pixel_values: Tensor = Nonepixel_mask: typing.Optional[torch.LongTensor] = Nonelabels: list[dict] | None = None**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> )
매개변수
- pixel_values (
torch.Tensor, shape(batch_size, num_channels, image_size, image_size), 선택 사항) — 입력 이미지에 해당하는 텐서입니다. 픽셀 값은 RfDetrImageProcessor를 사용하여 얻을 수 있습니다. 자세한 내용은 RfDetrImageProcessor.call()를 참조하세요 (processor_class는 이미지 처리에 RfDetrImageProcessor를 사용합니다). - pixel_mask (
torch.LongTensor다음 형식의(batch_size, height, width), 선택 사항) — 패딩 픽셀 값에 대한 attention을 수행하지 않도록 하는 마스크. [0, 1]에서 선택된 마스크 값: 실제 픽셀(즉, 마스크되지 않은 픽셀)은 1, 패딩 픽셀(즉, 마스크된 픽셀)은 0. attention 마스크란 무엇일까요?[0, 1]:- 실제 픽셀(즉, 마스크가 적용되지 않은 픽셀)에 대해 1
- 패딩(즉, 마스크 처리된) 픽셀은 0
- labels (
list[Dict], 길이(batch_size,), 선택 사항) — 이분 매칭 손실을 계산하기 위한 라벨. 각 딕셔너리는 최소한 ‘class_labels’와 ‘boxes’라는 두 개의 키를 포함해야 합니다(각각 배치 내 이미지의 클래스 라벨과 바운딩 박스). 클래스 라벨 자체는torch.LongTensor이며 길이는(number of bounding boxes in the image,)이고, boxes는torch.Tensor이며 모양은(number of bounding boxes in the image, 4)입니다.
RF-DETR 모델의 인스턴스 분할을 위한 forward pass입니다. 파이프라인은 다음과 같이 진행됩니다:
- 기본 RF-DETR 모델을 통해 시각 입력을 처리하여 다중 스케일 공간 특징, 쿼리 임베딩, 그리고它们的 변환 히스토리를 얻습니다.
- 인코더가 제안한 객체 쿼리 임베딩에서 분류 로짓과 초기 분할 마스크를 생성합니다(1단계).
- 디코더의 마지막 hidden state(2단계)를 사용하여 최종 분류 라벨과 정제된 bounding box를 예측합니다.
- 고해상도 공간 특징과 쿼리 숨겨진 상태를 분할 헤드를 통과시켜 최종적이고 상세한 인스턴스 마스크를 생성합니다.
RfDetrDinov2Backbone
class transformers.RfDetrDinov2Backbone
< source >( config: RfDetrDinov2Config )
매개변수
- config (RfDetrDinov2Config) — 모델의 모든 매개변수를 포함하는 모델 구성 클래스입니다. 구성 파일로 초기화하는 것은 모델과 연관된 가중치를 로드하지 않으며, 구성 정보만 로드합니다. 모델 가중치를 로드하려면 from_pretrained() 메서드를 확인하세요.
DETR, MaskFormer와 같은 프레임워크와 함께 사용할 RfDetrDinov2 backbone입니다.
이 모델은 PreTrainedModel에서 상속됩니다. 라이브러리가 모든 모델에 대해 구현하는 일반적 메서드(다운로드 또는 저장, 입력 임베딩 크기 조정, 헤드 프루닝 등)에 대한 세부 사항은 상위 클래스 문서를 확인하세요.
이 모델은 또한 PyTorch torch.nn.Module의 하위 클래스입니다. 일반적인 PyTorch Module처럼 사용하며, 일반적인 사용법 및 동작과 관련된 모든 사항은 PyTorch 문서를 참조하세요.
forward
< source >( pixel_values: Tensor**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> ) → BackboneOutput or tuple(torch.Tensor)
매개변수
- pixel_values (
torch.Tensor, shape(batch_size, num_channels, image_size, image_size)) — 입력 이미지에 해당하는 텐서입니다. 픽셀 값은 RfDetrImageProcessor를 사용하여 얻을 수 있습니다. 자세한 내용은 RfDetrImageProcessor.call()를 참조하세요 (processor_class는 이미지 처리에 RfDetrImageProcessor를 사용합니다).
반환값
BackboneOutput 또는 tuple(torch.Tensor)
BackboneOutput 또는 torch.Tensor의 튜플(return_dict=False가 전달되었거나 config.return_dict=False인 경우)로, 구성(RfDetrConfig)과 입력에 따라 다양한 요소를 포함합니다.
RfDetrDinov2Backbone의 forward 메서드는 __call__ 특수 메서드를 오버라이드합니다.
이 함수 내에서 forward pass의 레시피를 정의해야 하지만, 이후에는 이 함수 대신
Module인스턴스를 호출해야 합니다. 전자는 전처리 및 후처리 단계를 실행하는 것을 처리하는 반면, 후자는 이를 조용히 무시하기 때문입니다.
feature_maps (
tuple(torch.Tensor), shape(batch_size, num_channels, height, width)) — 각 단계의 feature map입니다.hidden_states (
tuple(torch.Tensor), 선택 사항,output_hidden_states=True가 전달되었거나config.output_hidden_states=True인 경우 반환됨) — 임베딩의 출력 하나와 각 레이어의 출력 하나씩을 포함하는torch.Tensor의 튜플로, 백본에 따라 shape가(batch_size, sequence_length, hidden_size)또는(batch_size, num_channels, height, width)입니다.각 단계의 출력에서 모델의 Hidden-states와 초기 임베딩 출력을 포함합니다.
attentions (
tuple(torch.Tensor), 선택 사항,output_attentions=True가 전달되었거나config.output_attentions=True인 경우 반환됨) — 각 레이어마다 하나씩 포함된torch.Tensor의 튜플로, 모양은(batch_size, num_heads, sequence_length, sequence_length)입니다. 백본이 attention을 사용하는 경우에만 적용됩니다.self-attention 헤드에서 가중 평균을 계산하는 데 사용되는 attention softmax 이후의 attention 가중치.
예:
>>> from transformers import AutoImageProcessor, AutoBackbone
>>> import torch
>>> from PIL import Image
>>> import requests
>>> url = "http://images.cocodataset.org/val2017/000000039769.jpg"
>>> image = Image.open(requests.get(url, stream=True).raw)
>>> processor = AutoImageProcessor.from_pretrained("facebook/dinov2-base")
>>> model = AutoBackbone.from_pretrained(
... "facebook/dinov2-base", out_features=["stage2", "stage5", "stage8", "stage11"]
... )
>>> inputs = processor(image, return_tensors="pt")
>>> outputs = model(**inputs)
>>> feature_maps = outputs.feature_maps
>>> list(feature_maps[-1].shape)
[1, 768, 16, 16]