semantic-segmentation-adas-0001#

ユースケースと概要説明#

これは、各ピクセルを 20 のクラスに分類するセグメント化ネットワークです:

• 道路

• 歩道

• 建物

• 壁

• 柵

• 電柱

• 信号機

• 標識

• 植生

• 地形

• 空

• 人物

• ライダー

• 乗用車

• トラック

• バス

• 電車

• オートバイ

• 自転車

• 車両以外

例#

仕様#

精度#

2000 枚の画像で計算された品質指標:

• IOU=TP/(TP+FN+FP), ここで:

  • TP - 指定されたクラスの真陽性ピクセルの数

  • FN - 指定されたクラスの偽陰性ピクセルの数

  • FP - 指定されたクラスの誤検知ピクセルの数

入力#

BGR イメージと B, C, H, W 形式の形状 1, 3, 1024, 2048 を含むブロブです。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

出力#

最終出力は、B, C, H, W 形式の 1, 1, 1024, 2048 の形状を持つ BLOB です。これは、各ピクセルがいずれかのクラスのラベルである 1 チャネルの特徴マップとして扱うことができます。

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:

• 画像のセグメント化 C++ デモ

• 画像のセグメント化 Python* デモ

• ホワイトボード修復 Python* 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。