Minor Issue: The notebook tutorial is using the wrong model (yolov11s instead of RF-DETR)
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- 1-3 ore
- Idoneità per principianti
- 52/100
- Tipo di issue
- Bug
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Ferma
- Stack tecnologico
- jupyter-notebook, python
- Ambito
- computer-vision, documentation
Direzione di ricerca
Apri notebooks/basketball-ai-how-to-detect-track-and-identify-basketball-players.ipynb e individua l’identificatore del modello e i riferimenti a YOLOv11ObjectDetection. Aggiorna il tutorial per usare basketball-player-detection-3-ycjdo/13 e il modello RF-DETR corrispondente, quindi esegui le celle interessate del notebook per confermare che il tutorial carichi l’architettura prevista. La domanda sulla verifica della versione dell’architettura rimane un ambito aggiuntivo.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Search before asking
- I have searched the Roboflow Notebooks issues and found no similar bug report.
Notebook name
Bug
I wanted to play around with RF-DETR in this tutorial and trying your inference library to get the model from roboflow universe then I realized
"basketball-player-detection-3-ycjdo/4" corresponds to a yolov11s and YOLOv11ObjectDetection class
It should change to
"basketball-player-detection-3-ycjdo/13" which corresponds to a rfdetr-medium
Since the links to downloadable models can change and get outdated I suggest adding your prefered method to verify the model is actually RF-DETR architecture.
I currently do print(f"Architecture Handler: {model.__class__.__name__}") to verify my architecture, but it doesn't say which version of the model is being used (S/M/X/XL).
Is there a way to do this in code without having to peek the inference cache meta-data (model_type.json) or browsing the webpage to see which number corresponds to which model?
Environment
- It's irrelavant here but here you go:
- Local
- Python 3.11.9
- Windows11
Minimal Reproducible Example
No response
Additional
No response
Are you willing to submit a PR?
- Yes I'd like to help by submitting a PR!
- Lingua principale
- Jupyter Notebook
- Stelle
- 9.7k
- Fork
- 1.5k
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di roboflow/notebooks
-
zero-shot-object-detection-with-grounding-dino.ipynb can't render correctlyForse già presa @rkrisa l’ha presa 146 giorni fa. Apertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
-
bug
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 72/100
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 52/100
-
Drone FPV Object DetectionApertaenhancement
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
-
bug
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
Tutte le issue di roboflow/notebooks
Issue simili
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
roboflow/supervision#2971 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
-
enhancement good first issue help wanted
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 83/100
MagneticResonanceImaging/MRIReco.jl#356 ·
I maintainer di solito rispondono entro 3 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
cleanlab/cleanvision#282 ·