mobilenet-yolo-v4-syg

ユースケースと概要説明

これは、リアルタイムの車両検出を行うように設計された mobilenet-yolov4 モデルの Keras* バージョンです。重みは BDD100k によって事前トレーニングされ、独自のデータセット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MobileNetV2 および YOLOv4 の論文を参照してください。

仕様

メトリック

タイプ

検出

GFLOPs

65.984

MParams

61.922

ソース・フレームワーク

Keras*

精度

精度メトリックは、変換されたモデル用に独自に作成された検証データセットである SYGDate0829’SYGDate0829.z01’’SYGDate0829.z02’’SYGDate0829.z03’’SYGDate0829.zip’ で取得されます。

メトリック

mAP

86.35%

入力

元のモデル

画像、名前 - input_1、形状 - 1, 416, 416, 3、形式 - B, H, W, C

説明:

  • B - バッチサイズ

  • H - 高さ

  • W - 幅

  • C - チャネル

チャネルの順番は RGB です。スケール値 - 255。

変換されたモデル

画像、名前 - input_1、形状 - 1, 416, 416, 3、形式 - B, H, W, C

説明:

  • B - バッチサイズ

  • H - 高さ

  • W - 幅

  • C - チャネル

チャネルの順番は BGR です。

出力

元のモデル

  1. 検出概要情報の配列、名前 - separable_conv2d_22/BiasAdd、形状 - 1,52,52,27。anchor 値は、12,16,  19,36,  40,28 です。

  2. 検出概要情報の配列、名前 - separable_conv2d_30/BiasAdd、形状 - 1,26,26,27。anchor 値は、36,75,  76,55,  72,146 です。

  3. 検出概要情報の配列、名前 - separable_conv2d_38/BiasAdd、形状 - 1,13,13,27。anchor 値は、142,110,  192,243,  459,401 です。

各ケースの形式は B,Cx,Cy,N*14, です。

説明:

  • B - バッチサイズ
  • CxCy - セル・インデックス
  • N - セルの検出ボックスの数

検出ボックスの形式は、[x, y, h, w, box_score, class_no_1, …, class_no_4]。

説明:

  • (x, y) - ボックスの中心の生の座標。sigmoid 関数を適用してセル座標に対する相対値を取得します

  • hw - ボックスの生の高さと幅、指数関数を適用し、対応するアンカーを乗算して、絶対的な高さと幅の値を取得します

  • box_score - 検出の信頼度ボックス。sigmoid 関数を適用して [0, 1] 範囲の信頼度を取得します

  • class_no_1、…、class_no_4 - クラス全体の確率分布をロジット形式で計算し、sigmoid 関数を適用し、取得した信頼値を乗算して各クラスの信頼度を取得します

変換されたモデル

  1. 検出概要情報の配列、名前 - separable_conv2d_22/separable_conv2d/YoloRegion、形状 - 1, 52, 52, 27。anchor 値は、12,16,  19,36,  40,28 です。

  2. 検出概要情報の配列、名前 - separable_conv2d_30/separable_conv2d/YoloRegion、形状 - 1, 26, 26, 27。anchor 値は、36,75,  76,55,  72,146 です。

  3. 検出概要情報の配列、名前 - separable_conv2d_38/separable_conv2d/YoloRegion、形状 - 1, 13, 13, 27。anchor 値は、142,110,  192,243,  459,401 です。

検出ボックスの形式は、[x, y, h, w, box_score, class_no_1, …, class_no_4]。

説明:

  • (x,y) - セルに対するボックスの中心の座標

  • hw - ボックスの生の高さと幅、指数関数を適用し、対応するアンカーを乗算して、絶対的な高さと幅の値を取得します

  • box_score - [0, 1] 範囲の検出ボックスの信頼度

  • class_no_1、…、class_no_4 - [0, 1] 範囲のクラスにわたる確率分布。信頼値を乗算して各クラスの信頼度を取得します

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

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。