person-vehicle-bike-detection-crossroad-0078#

ユースケースと概要説明#

人物/車両/自転車検出器は、SSD 検出アーキテクチャー、RMNet バックボーン、および学習可能な画像ダウンスケール・ブロック (person-vehicle-bike-detection-crossroad-0066 など、ただし追加のプーリングを備えたもの) に基づいています。このモデルはセキュリティー監視アプリケーションを目的としており、さまざまなシーンや天候/照明条件で機能します。

例#

仕様#

平均精度 (AP) は、精度/再現率曲線の下の領域として定義されます。

検証データセットは、さまざまなシーンからの 34,757 枚の画像で構成されており、次のものが含まれます:

同様に、トレーニング・データセットには次のような 160,297 枚の画像があります:

入力#

画像、名前: data、形状: 1, 3, 1024, 1024、形式: B, C, H, W、ここで:

• B - バッチサイズ

• C - チャネル数

• H - 画像の髙さ

• W - 画像の幅

予想される色の順序は BGR です。

出力#

最終出力は、形状: 1, 1, 200, 7、形式: 1, 1, N, 7 のブロブです。ここで、N は検出された境界ボックスの数です。各検出は [image_id, label, conf, x_min, y_min, x_max, y_max] の形式です。ここで:

• image_id - バッチ内の画像の ID

• label - 予測されたクラス ID (1 - 人物、2 - 車両、3 - 自転車)

• conf - 予測されたクラスの信頼度

• (x_min, y_min) - 境界ボックスの左上隅の座標

• (x_max, y_max) - 境界ボックスの右下隅の座標

デモの使い方#

このモデルは、Open Model Zoo が提供する次のデモで使用して、その機能を示します:

• 交差点カメラ C++ デモ

• 一人の人間の姿勢推定デモ

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。