初始化项目，由ModelHub XC社区提供模型

Model: TLabFineTuning/TRIP-Qwen2.5-VL-3B-Bus-LoRA
Source: Original Platform

README.md

@@ -0,0 +1,111 @@
+---
+base_model: qwen/Qwen2.5-VL-3B-Instruct
+library_name: peft
+---
+
+# 基于 Qwen2.5-VL-3B-Instruct 的 LoRA 头盔检测模型
+
+本模型是基于 Qwen2.5-VL-3B-Instruct 微调得到的 LoRA 轻量化模型，专门针对骑行人员头盔佩戴检测任务优化。
+
+## 模型详情
+
+本模型为 Qwen2.5-VL-3B-Instruct 的轻量级 LoRA 适配器，经微调后可判断图片中的骑行者是否佩戴安全头盔。
+
+模型支持图像+文本指令输入，仅输出以下两种结果：
+- 佩戴头盔
+- 未佩戴头盔
+
+- 研发团队：TLabFineTuning
+- 模型类型：多模态大模型 LoRA 适配器
+- 语言：中文
+- 开源协议：Apache 2.0
+- 基础模型：Qwen2.5-VL-3B-Instruct
+
+## 使用场景
+
+- 交通安全监测
+- 骑行人员行为分析
+- 智能安防监控
+
+## 模型局限性
+
+- 模型在清晰、无遮挡的骑行者图像上效果最佳
+- 光线不足、遮挡严重的图像会降低识别准确率
+- 模型基于少量样本训练，泛化能力有限
+
+## 快速使用代码
+```python
+import torch
+from peft import PeftModel
+from transformers import AutoProcessor, AutoTokenizer, Qwen2_5_VLForConditionalGeneration
+from qwen_vl_utils import process_vision_info
+from PIL import Image
+
+base_model_path = "qwen/Qwen2.5-VL-3B-Instruct"
+lora_model_path = "./"
+prompt = "识别图片中骑行者是否佩戴头盔，仅输出：佩戴头盔/未佩戴头盔"
+device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
+
+tokenizer = AutoTokenizer.from_pretrained(base_model_path, use_fast=False, trust_remote_code=True)
+processor = AutoProcessor.from_pretrained(base_model_path, use_fast=False, trust_remote_code=True)
+base_model = Qwen2_5_VLForConditionalGeneration.from_pretrained(
+    base_model_path, torch_dtype=torch.bfloat16, trust_remote_code=True
+).to(device)
+model = PeftModel.from_pretrained(base_model, lora_model_path).to(device)
+model.eval()
+
+def infer_helmet(image_path):
+    img = Image.open(image_path).convert("RGB")
+    messages = [
+        {"role": "user", "content": [{"type": "image", "image": img}, {"type": "text", "text": prompt}]}
+    ]
+    text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
+    image_inputs, _ = process_vision_info(messages)
+    inputs = processor(text=[text], images=image_inputs, return_tensors="pt").to(device)
+    
+    with torch.no_grad():
+        outputs = model.generate(**inputs, max_new_tokens=10, do_sample=False)
+    result = tokenizer.decode(outputs[0], skip_special_tokens=True).split("assistant")[-1].strip()
+    return result
+ ```
+## 训练信息
+
+- 学习率：1e-5
+- LoRA 秩：2
+- 模型大小：1.8MB
+- 训练设备：8GB 显存显卡
+
+## 模型检测效果
+
+### 图1：Qwen 微调结果
+<img src="https://www.modelscope.cn/models/TLabFineTuning/TRIP-Qwen2.5-VL-3B-Bus-LoRA/resolve/master/图片1.png" width="60%" alt="Qwen微调结果">
+
+### 图2：Qwen 识别单人图片结果
+<img src="https://www.modelscope.cn/models/TLabFineTuning/TRIP-Qwen2.5-VL-3B-Bus-LoRA/resolve/master/图片2.png" width="60%" alt="单人图片识别结果">
+
+### 图3：Qwen 识别多人图片结果
+<img src="https://www.modelscope.cn/models/TLabFineTuning/TRIP-Qwen2.5-VL-3B-Bus-LoRA/resolve/master/图片3.png" width="60%" alt="多人图片识别结果">
+
+### 图4：微调模型部署后香橙派摄像头拍照识别结果
+<img src="https://www.modelscope.cn/models/TLabFineTuning/TRIP-Qwen2.5-VL-3B-Bus-LoRA/resolve/master/图片4.png" width="60%" alt="部署后摄像头识别结果">
+
+### 图5：实地部署图片
+<img src="https://www.modelscope.cn/models/TLabFineTuning/TRIP-Qwen2.5-VL-3B-Bus-LoRA/resolve/master/部署.png" width="60%" alt="部署">
+
+## 项目团队与贡献
+
+### 模型研发与维护
+TRIP 项目小组
+
+### 核心贡献者
+谭妍、刘天赐、王思远、薛栋、张乐鑫、张媛
+
+### 支持单位
+东南大学交通学院  
+东南大学网络与信息中心
+
+### 致谢
+感谢东南大学网络与信息中心提供的晟腾算力与香橙派硬件支持
+
+### 免责声明
+本模型仅用于科研与技术验证目的。使用者需遵守相关法律法规，并对模型输出结果的使用自行承担责任。