instance-segmentation-person-0007¶
ユースケースと概要説明¶
このモデルは、1 つのクラス (人) のインスタンス・セグメント化ネットワークです。これは、EfficientNet-B1 バックボーン、軽量 FPN、RPN、検出およびセグメント化ヘッドを備えた PointRend ベースのアーキテクチャーです。
例¶
仕様¶
メトリック |
値 |
---|---|
COCO val2017 ボックス AP (人) |
35.7% |
COCO val2017 マスク AP (人) |
30.9% |
検出する最大オブジェクト |
10 |
GFlops |
4.8492 |
MParams |
7.2996 |
ソース・フレームワーク |
PyTorch* |
平均精度 (AP) は、標準の COCO 評価手順に従って定義および測定されます。
入力¶
画像、名前: image
、形状: 1, 3, 320, 544
、形式: 1, C, H, W
。
説明:
C
- チャネル数H
- 画像の髙さW
- 画像の幅
予想されるチャネルの順序は BGR
出力¶
モデルには動的形状の出力があります。
名前:
labels
、形状:-1
- 検出されたすべてのオブジェクトの連続する整数のクラス ID。名前:
boxes
、形状:-1, 5
- 検出されたすべてのオブジェクトの周囲の境界ボックス (top_left_x、top_left_y、bottom_right_x、bottom_right_y) 形式と信頼スコア (範囲 [0, 1])。名前:
masks
、形状:-1, 224, 224
- すべての出力境界ボックスのセグメント化ヒートマップ。
トレーニング・パイプライン¶
OpenVINO トレーニング拡張は、トレーニング・パイプラインを提供し、カスタム・データセットでモデルを微調整できるようにします。
法務上の注意書き¶
* その他の社名、製品名などは、一般に各社の表示、商標または登録商標です。