erfnet

ユースケースと概要説明

これは、複数車線の道路 (最大車線数 - 4) でリアルタイムの車線検出を実行するように設計された erfnet モデルの ONNX* バージョンです。このモデルは PyTorch* フレームワークで事前トレーニングされ、CULane によって再トレーニングされます。詳細については、リポジトリーERFNet の論文リポジトリーを参照してください。

仕様

メトリック

タイプ

セマンティックのセグメント化

GFLOPs

11.13

MParams

7.87

ソース・フレームワーク

PyTorch*

精度

メトリック

mean_iou

76.47%

入力

元のモデル

画像、名前 - input_1、形状 - 1,3,208,976、形式 - B,C,H,W

説明:

  • B - バッチサイズ

  • C - チャネル

  • H - 高さ

  • W - 幅

チャネルの順番は BGR です。

変換されたモデル

画像、名前 - input_1、形状 - 1,3,208,976、形式 - B,C,H,W

説明:

  • B - バッチサイズ

  • C - チャネル

  • H - 高さ

  • W - 幅

チャネルの順番は BGR です。

出力

元のモデル

機能マップ、名前 - output1、形状 - 1,5,208,976、形式 - B,C,H,W

説明:

  • B - バッチサイズ

  • C - チャネル

  • H - 高さ

  • W - 幅

これは、5 チャネルの特徴マップとして扱うことができます。各チャネルは、背景、車線 1、車線 2、車線 3、車線 4 のクラス情報です。車線 1、車線 2、車線 3、車線 4 は、左から右にそれぞれ実際の線路 1、車線 2、車線 3、車線 4 と一致します。

変換されたモデル

機能マップ、名前 - output1、形状 - 1,5,208,976、形式 - B,C,H,W

説明:

  • B - バッチサイズ

  • C - チャネル

  • H - 高さ

  • W - 幅

モデルをダウンロードして推論エンジン形式に変換

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・ダウンローダーや他の自動化ツールを使用してモデルを推論エンジン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。