faster-rcnn-resnet101-coco-sparse-60-0001

ユースケースと概要説明

これは、Common Objects in Context (COCO) トレーニング・データセットを使用してトレーニングされた Faster R-CNN オブジェクト検出ネットワークの再トレーニング・バージョンです。実際の実装は Detectron に基づいており、畳み込みレイヤーをスパース化するため追加のネットワーク重みプルーニングが適用されます (ネットワーク・パラメーターの 60% がゼロに設定されます)。

モデル入力は、BGR 順に 1, 800, 1280, 3 の単一イメージで構成されるブロブです。ピクセル値は [0, 255] の範囲の整数です。

仕様

メトリック

値

評価指標 (mAP)

38.74%**

GFlops

849.9109

MParams

52.79

ソース・フレームワーク

TensorFlow*

COCO: Common Objects in Context の平均精度メトリックの説明を参照してください。プライマリー・チャレンジ・メトリックが使用されます。COCO 検証データセットでテストされています。

入力

画像、名前: image、形状: 1, 800, 1280, 3、形式: B, H, W, C。

説明:

  • B - バッチサイズ

  • H - 画像の髙さ

  • W - 画像の幅

  • C - チャネル数

予想される色の順序は BGR です。

出力

ネットは形状 1, 1, 100, 7 の BLOB を出力します。各行はそれぞれ [image_id, class_id, confidence, x0, y0, x1, y1] で構成されます。

  • image_id - バッチ内の画像の ID

  • class_id - 範囲 [1, 80] の予測クラス ID、<omz_dir>/data/dataset_classes/coco_80cl_bkgr.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。

  • confidence - [0, 1] 検出スコア。値が大きいほど、検出の信頼性が高くなります。

  • (x0, y0) - [0, 1] の範囲の境界ボックスの左上隅の正規化された座標

  • (x1, y1) - [0, 1] 範囲の境界ボックスの右下隅の正規化された座標

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。