--- title: LD_CytoBrainCerv canonical_url: "https://www.modelscope.cn/models/landingAI/LD_CytoBrainCerv" md_url: "https://www.modelscope.cn/models/landingAI/LD_CytoBrainCerv.md" repository: landingAI/LD_CytoBrainCerv chinese_name: "兰丁宫颈细胞AI辅助诊断模型" last_updated: 2023-03-17 license: "Apache License 2.0" pipeline_tag: image-object-detection tasks: - image-object-detection model_type: - yolov4 library_name: - pytorch frameworks: - pytorch domain: - cv downloads: 940 stars: 3 --- # LD_CytoBrainCerv > LD_CytoBrainCerv - landingAI 在 ModelScope 开源的模型。模型描述 2020 年 4 月，YOLOv4 在悄无声息中重磅发布，在目标检测领域引起广泛的讨论。在 YOLO 系列的原作者 Joseph Redmon 宣布退出 CV 领域后，表明官方不再更新 YOLOv3。但在过去的两年中，AlexeyAB 继承了 YOLO 系列的思想和理念，在 YOLOv3 的基础上不断进行改进和开发，于2020 年 4 月发布 YOLOv4，并得到了原作者 Joseph Redmon… landingAI/LD_CytoBrainCerv 是 ModelScope 魔搭社区上的image-object-detection模型，采用 Apache License 2.0 许可。 - **Repository**: landingAI/LD_CytoBrainCerv - **License**: Apache License 2.0 - **Tasks**: image-object-detection - **Downloads**: 940 - **Stars**: 3 - **Last updated**: 2023-03-17 Source: https://www.modelscope.cn/models/landingAI/LD_CytoBrainCerv --- ## 模型描述 2020 年 4 月，YOLOv4 在悄无声息中重磅发布，在目标检测领域引起广泛的讨论。在 YOLO 系列的原作者 Joseph Redmon 宣布退出 CV 领域后，表明官方不再更新 YOLOv3。但在过去的两年中，AlexeyAB 继承了 YOLO 系列的思想和理念，在 YOLOv3 的基础上不断进行改进和开发，于2020 年 4 月发布 YOLOv4，并得到了原作者 Joseph Redmon 的承认。YOLOv4 可以使用传统的 GPU 进行训练和测试，并能够获得实时的，高精度的检测结果。与其他最先进的目标检测器的比较的结果如图1.1所示，YOLOv4 在与 EfficientDet 性能相当的情况下，推理速度比其快两倍。相比 YOLOv3 的 AP 和 FPS 分别提高了 10% 和 12%。
## 使用范围 本模型适用于宫颈细胞图像，能对图片中包含的宫颈可疑细胞进行定位。 ## 使用方法 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。具体代码示例如下： ```python from modelscope.pipelines import pipeline from modelscope.utils.constant import Tasks object_detect = pipeline(Tasks.image_object_detection,model='landingAI/LD_CytoBrainCerv') img_path ='https://modelscope.oss-cn-beijing.aliyuncs.com/test/images/tbs_detection.jpg' result = object_detect(img_path) ``` #### Clone with HTTP ```bash git clone https://www.modelscope.cn/landingAI/LD_CytoBrainCerv.git ```