ONNX マスク R-CNN モデルの変換¶

危険

ここで説明されているコードは非推奨になりました。従来のソリューションの適用を避けるため使用しないでください。下位互換性を確保するためにしばらく保持されますが、最新のアプリケーションでは使用してはなりません。

このガイドでは、非推奨となった変換方法について説明します。新しい推奨方法に関するガイドは、Python チュートリアルに記載されています。

以下の手順は、maskrcnn-benchmark model モデルから ONNX ファイル形式に変換されたマスク R-CNN モデルにのみ適用されます。

onnx/models から事前トレーニング済みモデルファイルをダウンロードします (commit-SHA: 8883e49e68de7b43e263d56b9ed156dfa1e03117)。
現在の作業ディレクトリーをモデル変換 API インストール・ディレクトリーに変更し、次のパラメーターを使用してモデル変換を実行して、モデルの中間表現を生成します。
```
mo \
--input_model mask_rcnn_R_50_FPN_1x.onnx \
--input "0:2" \
--input_shape [1,3,800,800] \
--mean_values [102.9801,115.9465,122.7717] \
--transformations_config front/onnx/mask_rcnn.json
```
input_shape コマンドライン・パラメーターで指定された高さと幅は異なる場合があることに注意してください。サポートされている入力画像のサイズと前後処理手順の詳細については、ドキュメントの記事を参照してください。
生成された IR ファイルの出力 (マスク、クラス・インデックス、確率、ボックス座標) を解釈します。
- マスク
- クラス・インデックス
- 確率
- ボックス座標

最初のレイヤーは 6849/sink_port_0 という名前のレイヤーで、残りは DetectionOutput レイヤーからの出力です。