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¶
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
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
efficientdet ソースコード・ディレクトリーに移動します
cd efficientdet
依存関係のインストール
pip install -r requirements.txt
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。
-
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 |
値 |
---|---|
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 |
---|---|
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 IDlabel
- 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。
法務上の注意書き¶
元のモデルは、Apache License バージョン 2.0 に基づいて配布されています。ライセンスの内容は、<omz_dir>/models/public/licenses/APACHE-2.0-TF-AutoML.txt
で確認できます。