convnext-tiny#

ユースケースと概要説明#

convnext-tiny モデルは、ConvNeXt モデルの小規模バージョンであり、標準の ConvNet モジュールから構築されています。ConvNeXt は正確で、効率的で、スケーラブルであり設計が非常にシンプルです。モデルは、ImageNet データセットで事前トレーニングされた画像分類モデルです。

モデル入力は、RGB 順に 1, 3, 224, 224 の単一イメージで構成されるブロブです。

モデル出力は、ImageNet データベース内の分類と一致する 1000 の異なる分類の典型的なオブジェクト分類子です。

詳細は、リポジトリーとこちらをご覧ください。

仕様#

メトリック

値

タイプ

分類

GFLOPs

8.9419

MParams

28.5892

ソース・フレームワーク

PyTorch*

精度#

メトリック

値

上位 1

82.05%

上位 5

95.86%

入力#

元のモデル#

画像、名前: image、形状: 1, 3, 224, 224、形式: B, C, H, W、ここで:

  • B - バッチサイズ

  • C - チャネル

  • H - 髙さ

  • W - 幅

チャネルの順番は RGB です。平均値: [123,675.116, 28,103.53, 103.53]、スケール値: [58.395, 57.12, 57.375]

変換されたモデル#

画像、名前: image、形状: 1, 3, 224, 224、形式: B, C, H, W、ここで:

  • B - バッチサイズ

  • C - チャネル

  • H - 髙さ

  • W - 幅

チャネルの順番は BGR です。

出力#

元のモデル#

ImageNet クラスに基づくオブジェクト分類子、名前: probs、形状: 1, 1000、出力データ形式: B, C、ここで:

  • B - バッチサイズ

  • C - ロジット形式の各クラスの予測確率

変換されたモデル#

ImageNet クラスに基づくオブジェクト分類子、名前: probs、形状: 1, 1000、出力データ形式: B, C、ここで:

  • B - バッチサイズ

  • C - ロジット形式の各クラスの予測確率

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#

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: