---
title: cv_tinynas_object-detection_damoyolo_cat
canonical_url: "https://www.modelscope.cn/models/flowscolors/cv_tinynas_object-detection_damoyolo_cat"
md_url: "https://www.modelscope.cn/models/flowscolors/cv_tinynas_object-detection_damoyolo_cat.md"
repository: flowscolors/cv_tinynas_object-detection_damoyolo_cat
chinese_name: "用于喵咪进食检测的DAMO-YOLO模型"
last_updated: 2024-01-05
license: "Apache License 2.0"
pipeline_tag: image-object-detection
tasks:
  - image-object-detection
library_name:
  - pytorch
frameworks:
  - Pytorch
downloads: 114
stars: 3
---

# cv_tinynas_object-detection_damoyolo_cat

> cv_tinynas_object-detection_damoyolo_cat - flowscolors 在 ModelScope 开源的模型。用于喵咪进食检测的DAMO-YOLO模型

flowscolors/cv_tinynas_object-detection_damoyolo_cat 是 ModelScope 魔搭社区上的image-object-detection模型，采用 Apache License 2.0 许可。

- **Repository**: flowscolors/cv_tinynas_object-detection_damoyolo_cat
- **License**: Apache License 2.0
- **Tasks**: image-object-detection
- **Downloads**: 114
- **Stars**: 3
- **Last updated**: 2024-01-05

Source: https://www.modelscope.cn/models/flowscolors/cv_tinynas_object-detection_damoyolo_cat

---

用于喵咪进食检测的DAMO-YOLO模型
#### 模型描述
此模型是在MIAOMIAO数据集上进行喵咪识别训练的DAMO-YOLO模型。该模型训练了300个轮次（epochs）。

#### 训练
模型的训练学习率为0.1，动量为0.9，权重衰减为1e-4。设置的批处理大小为256。模型使用单个GPU进行训练。

#### 性能
请在此处替换为DAMO-YOLO-CAT模型在验证/测试数据集上的性能，如准确率、精确度、召回率和F1分数。

#### 使用模型
要使用此模型，使用ModelScope的Pipline框架加载它，然后在模型上使用object_detect()方法进行调用：

```python
    object_detect = pipeline(Tasks.image_object_detection, model=model_dir, strict=False)
```
#### Clone with HTTP
```bash
 git clone https://www.modelscope.cn/flowscolors/cv_tinynas_object-detection_damoyolo_cat.git
```