efficientnet-b0-pytorch#
ユースケースと概要説明#
efficientnet-b0-pytorch モデルは、画像分類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 PyTorch* で事前トレーニングされています。すべての EfficientNet モデルは、ImageNet 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、EfficientNets for PyTorch リポジトリーを確認してください。
モデル入力は、RGB 順の形状 3, 224, 224 単一イメージで構成されるブロブです。イメージ BLOB をネットワークに渡す前に、次の手順を実行します:
次のように RGB 平均値を減算します: [123.675, 116.28, 103.53]
RGB 平均値を [58.395, 57.12, 57.375] で割ります
efficientnet-b0-pytorch のモデル出力は、ImageNet データベース内の分類と一致する 1000 の異なる分類に対する典型的なオブジェクト分類子の出力です。
仕様#
メトリック |
値 |
|---|---|
タイプ |
分類 |
GFLOPs |
0.819 |
MParams |
5.268 |
ソース・フレームワーク |
PyTorch* |
精度#
メトリック |
元のモデル |
変換されたモデル |
|---|---|---|
上位 1 |
77.70% |
77.70% |
上位 5 |
93.52% |
93.52% |
入力#
元のモデル#
画像、名前: data、形状: 1, 3, 224, 224、形式: B, C, H, W、ここで:
B- バッチサイズC- チャネルH- 髙さW- 幅
チャネルの順番は RGB です。平均値: [123.675, 116.28, 103.53]、スケール値: [58.395, 57.12, 57.375]
変換されたモデル#
画像、名前: data、形状: 1, 3, 224, 224、形式: B, C, H, W、ここで:
B- バッチサイズC- チャネルH- 髙さW- 幅
チャネルの順番は BGR です。
出力#
元のモデル#
ImageNet クラスに基づくオブジェクト分類子、名前: prob、形状: 1, 1000、出力データ形式: B, C、ここで:
B- バッチサイズC- ロジット形式の各クラスの予測確率
変換されたモデル#
ImageNet クラスに基づくオブジェクト分類子、名前: prob、形状: 1, 1000、出力データ形式: B, C、ここで:
B- バッチサイズC- ロジット形式の各クラスの予測確率
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#
このモデルは、Open Model Zoo が提供する次のデモで使用して、その機能を示します:
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-PyTorch-EfficientNet.txt で確認できます。