yolo-v4-tiny-tf¶
ユースケースと概要説明¶
YOLO v4 Tiny は、論文 YOLOv4: Optimal Speed and Accuracy of Object Detection に基づいたリアルタイムの物体検出モデルです。Keras* フレームワークで実装され、TensorFlow* フレームワークに変換されました。詳細についてはリポジトリーを参照してください。このモデルは、80 クラスの Common Objects in Context (COCO) データセットで事前トレーニングされました。
仕様¶
メトリック |
値 |
|---|---|
タイプ |
検出 |
GFLOPs |
6.9289 |
MParams |
6.0535 |
ソース・フレームワーク |
Keras* |
精度¶
変換されたモデルの Common Objects in Context (COCO) 検証データセットで取得された精度メトリック。
メトリック |
値 |
|---|---|
mAP |
40.37% |
46.36% |
|
22.66% |
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¶
検出概要情報の配列、名前 -
conv2d_20/BiasAdd、形状 -1, 26, 26, 255。anchor 値は、23,27, 37,58, 81,82です。検出概要情報の配列、名前 -
conv2d_17/BiasAdd、形状 -1, 13, 13, 255。anchor 値は、81,82, 135,169, 344,319です。
各ケースの形式は B, Cx, Cy, N*85, です。
説明:
B- バッチサイズCx、Cy- 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_80]。
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h,w- 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_80- 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
このモデルは、80 カテゴリーのオブジェクトを含む Common Objects in Context (COCO) データセットでトレーニングされました。<omz_dir>/data/dataset_classes/coco_80cl.txt ファイルで提供されるクラス名へのマッピング。
変換されたモデル¶
検出概要情報の配列、名前 -
conv2d_20/BiasAdd/Add、形状 -1, 26, 26, 255。anchor 値は、23,27, 37,58, 81,82です。検出概要情報の配列、名前 -
conv2d_17/BiasAdd/Add、形状 -1, 13, 13, 255。anchor 値は、81,82, 135,169, 344,319です。
各ケースの形式は B, Cx, Cy, N*85 です。
説明:
B- バッチサイズN- セルの検出ボックスの数Cx、Cy- セル・インデックス
検出ボックスの形式は、[x, y, h, w, box_score, class_no_1, …, class_no_80]。
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h,w- 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_80- 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
このモデルは、80 カテゴリーのオブジェクトを含む Common Objects in Context (COCO) データセットでトレーニングされました。<omz_dir>/data/dataset_classes/coco_80cl.txt ファイルで提供されるクラス名へのマッピング。
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>
法務上の注意書き¶
元のモデルは、こちらのライセンスに基づいて配布されています。
MIT License
Copyright (c) 2019 david8862
Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in all
copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
SOFTWARE.