instance-segmentation-security-0091#

ユースケースと概要説明#

このモデルは、80 クラスのオブジェクトのインスタンス・セグメント化ネットワークです。これは、ResNet101 バックボーンと変形可能な畳み込み、FPN、RPN、検出およびセグメント化ヘッドを備えたカスケードマスク R-CNN です。

例#

仕様#

メトリック

値

COCO val2017 ボックス AP (最大短辺 800、最大長辺 1344)

45.8%

COCO val2017 マスク AP (最大短辺 800、最大長辺 1344)

39.7%

COCO val2017 ボックス AP (最大高さ 800、最大幅 1344)

43.55%

COCO val2017 マスク AP (最大高さ 800、最大幅 1344)

38.14%

検出する最大オブジェクト

100

GFlops

828.6324

MParams

101.236

ソース・フレームワーク

PyTorch*

平均精度 (AP) は、標準の COCO 評価手順に従って定義および測定されます。

入力#

画像、名前: image、形状: 1, 3, 800, 1344、形式: 1, C, H, W、ここで:

  • C - チャネル数

  • H - 画像の髙さ

  • W - 画像の幅

予想されるチャネルの順序は BGR です

出力#

モデルには動的形状の出力があります。

  1. 名前: labels、形状: -1 - 検出されたすべてのオブジェクトの連続する整数のクラス ID。

  2. 名前: boxes、形状: -1, 5 - 検出されたすべてのオブジェクトの周囲の境界ボックス (top_left_x、top_left_y、bottom_right_x、bottom_right_y) 形式と信頼スコア (範囲 [0, 1])。

  3. 名前: masks、形状: -1, 28, 28 - すべての出力境界ボックスのセグメント化ヒートマップ。

トレーニング・パイプライン#

OpenVINO トレーニング拡張は、トレーニング・パイプラインを提供し、カスタム・データセットでモデルを微調整できるようにします。

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: