instance-segmentation-security-0091¶
ユースケースと概要説明¶
このモデルは、80 クラスのオブジェクトのインスタンス・セグメント化ネットワークです。これは、ResNet101 バックボーンと変形可能な畳み込み、FPN、RPN、検出およびセグメント化ヘッドを備えたカスケードマスク R-CNN です。
例¶
仕様¶
メトリック |
値 |
---|---|
COCO val2017 ボックス AP (最大短辺 800、最大長辺 1344) |
45.8% |
COCO val2017 マスク AP (最大短辺 800、最大長辺 1344) |
39.7% |
COCO val2017 ボックス AP (最大高さ 800、最大幅 1344) |
43.55% |
COCO val2017 マスク AP (最大高さ 800、最大幅 1344) |
38.14% |
検出する最大オブジェクト |
100 |
GFlops |
828.6324 |
MParams |
101.236 |
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, 800, 1344
、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, 28, 28
- 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。
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¶
* 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。