efficientnet-b0-pytorch#

ユースケースと概要説明#

efficientnet-b0-pytorch モデルは、画像分類を実行するように設計された EfficientNet モデルの 1 つです。このモデルは PyTorch* で事前トレーニングされています。すべての EfficientNet モデルは、ImageNet 画像データベースで事前トレーニングされています。このモデルファミリーの詳細については、EfficientNets for PyTorch リポジトリーを確認してください。

モデル入力は、RGB 順の形状 3, 224, 224 単一イメージで構成されるブロブです。イメージ BLOB をネットワークに渡す前に、次の手順を実行します:

  1. 次のように RGB 平均値を減算します: [123.675, 116.28, 103.53]

  2. RGB 平均値を [58.395, 57.12, 57.375] で割ります

efficientnet-b0-pytorch のモデル出力は、ImageNet データベース内の分類と一致する 1000 の異なる分類に対する典型的なオブジェクト分類子の出力です。

仕様#

メトリック

値

タイプ

分類

GFLOPs

0.819

MParams

5.268

ソース・フレームワーク

PyTorch*

精度#

メトリック

元のモデル

変換されたモデル

上位 1

77.70%

77.70%

上位 5

93.52%

93.52%

入力#

元のモデル#

画像、名前: data、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]、スケール値: [58.395, 57.12, 57.375]

変換されたモデル#

画像、名前: data、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: prob、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: prob、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: