efficientdet-d0-tf

ユースケースと概要説明

efficientdet-d0-tf モデルは、物体検出を実行するように設計された EfficientNet モデルの 1 つです。このモデルは TensorFlow* で事前トレーニングされています。すべての EfficientDet モデルは、Common Objects in Context (COCO) 画像データベースで事前トレーニングされています。このモデルファミリーの詳細については、Google AutoML リポジトリーを確認してください。

凍結グラフへの変換を再現する手順

  1. 元のリポジトリーのクローンを作成します

git clone https://github.com/google/automl.git
cd automl
  1. 変換がテストされたコミットをチェックアウトします。

git checkout 341af7d4da7805c3a874877484e133f33c420ec5
  1. efficientdet ソースコード・ディレクトリーに移動します

cd efficientdet
  1. 依存関係のインストール

pip install -r requirements.txt
  1. このリンクからモデルのチェックポイント・アーカイブをダウンロードして解凍します。

  2. 次のコマンドを実行します。

    python model_inspect.py --runmode=saved_model --model_name=efficientdet-d0 --ckpt_path=CHECKPOINT_DIR --saved_model_dir=OUTPUT_DIR
    

    ここで、CHECKPOINT_DIR はモデルのチェックポイントが保存されるディレクトリー、OUTPUT_DIR は変換されたモデルが保存されるディレクトリーです。

仕様

メトリック

タイプ

物体検出

GFLOPs

2.54

MParams

3.9

ソース・フレームワーク

TensorFlow*

精度

メトリック

変換されたモデル

COCO mAP (0.5:0.05:0.95)

31.95%

入力

元のモデル

画像、名前: image_arrays、形状: 1, 512, 512, 3、形式: B, H, W, C

説明:

  • B - バッチサイズ

  • H - 高さ

  • W - 幅

  • C - チャネル

チャネルの順番は RGB です。

変換されたモデル

画像、名前: image_arrays/placeholder_port_0、形状: 1, 512, 512, 3、形式: B, H, W, C

説明:

  • B - バッチサイズ

  • H - 高さ

  • W - 幅

  • C - チャネル

チャネルの順番は BGR です。

出力

元のモデル

概要検出情報の配列、名前: detections、形状: 1, 100, 7、形式 1, N, 7。ここで N は検出された境界ボックスの数です。各検出の形式は次のとおりです。
[image_id, y_min, x_min, y_max, x_max, confidence, label]

説明:

  • image_id - バッチ内の画像の ID

  • (x_min, y_min) - 境界ボックスの左上隅の座標

  • (x_max, y_max) - 境界ボックスの右下隅の座標

  • confidence - 予測されたクラスの信頼度

  • label - 範囲 [1, 91] の予測クラス ID、<omz_dir>/data/dataset_classes/coco_91cl.txt ファイルで提供されるクラス名にマッピングされます。

変換されたモデル

概要検出情報の配列、名前: detections、形状: 1, 1, 100, 7、形式 1, 1, N, 7。ここで N は検出された境界ボックスの数です。各検出の形式は次のとおりです。
[image_id, label, conf, x_min, y_min, x_max, y_max]

説明:

  • image_id - バッチ内の画像の ID

  • label - 範囲 [0, 90] の予測クラス ID、<omz_dir>/data/dataset_classes/coco_91cl.txt ファイルで提供されるクラス名にマッピングされます。

  • conf - 予測されたクラスの信頼度

  • (x_min, y_min) - 境界ボックスの左上隅の座標 (座標は正規化された形式で、範囲 [0, 1])

  • (x_max, y_max) - 境界ボックスの右下隅の座標 (座標は正規化された形式で、範囲 [0, 1])

モデルをダウンロードして OpenVINO™ IR 形式に変換

以下の例に示すように、モデルをダウンロードし、必要に応じてモデル・ダウンローダーやその他の自動化ツールによってモデルを OpenVINO™ IR 形式に変換できます。

モデル・ダウンローダーの使用例:

omz_downloader --name <model_name>

モデル・コンバーターの使用例:

omz_converter --name <model_name>

デモの使い方

Open Model Zoo が提供する次のデモでこのモデルを使用して、その機能を確認できます。