mask_rcnn_resnet50_atrous_coco#

ユースケースと概要説明#

Common Objects in Context (COCO) データセットで事前トレーニングされた Mask R-CNN ResNet50 モデルです。これはオブジェクト・インスタンスのセグメント化に使用されます。詳細についてはこちらを参照してください。

メトリック	値
coco_orig_precision	29.75%
coco_orig_segm_precision	27.46%

画像、名前: image_tensor、形状: 1, 800, 1365, 3、形式: B, H, W, C、ここで:

予想される色の順序: RGB。

画像、名前: image_tensor、形状: 1, 800, 1365, 3、形式: B, H, W, C、ここで:
- B - バッチサイズ
- H - 画像の髙さ
- W - 画像の幅
- C - チャネル数
予想される色の順序: BGR。
入力画像サイズの情報、名前: image_info、形状: 1, 3、形式: B, C、ここで:
- B - バッチサイズ
- C - H, W, S 形式の 3 つの値のベクトル。ここで、H は画像の高さ、W は画像の幅、S は画像のスケール係数 (通常は 1) です。

分類子、名前: detection_classes。範囲 [1, 91] の予測された境界ボックスクラスが含まれます。モデルは、90 カテゴリーのオブジェクト (0 クラスは背景用) 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。
確率、名前: detection_scores。検出された境界ボックスの確率が含まれます。
検出ボックス、名前: detection_boxes。次の形式の検出ボックスの座標が含まれます:[y_min, x_min, y_max, x_max]、ここで (x_min, y_min) は左上隅の座標、(x_max, y_max) は右下隅の座標です。座標は入力画像サイズに合わせて再スケールされます。
検出番号、名前: num_detections。予測された検出ボックスの数が含まれます。
セグメント化マスク、名前: detection_masks。出力境界ボックスのすべてのクラスで検出されたオブジェクトのセグメント化ヒートマップが含まれます。

概要検出情報の配列、名前: reshape_do_2d、形状: 100, 7、形式 N, 7。ここで N は検出された境界ボックスの数です。各検出の形式は次のとおりです: [image_id, label, conf, x_min, y_min, x_max, y_max]、ここで:
- image_id - バッチ内の画像の ID
- label - 予測されたクラス ID
- conf - 予測されたクラスの信頼度
- (x_min, y_min) - 境界ボックスの左上隅の座標 (座標は正規化された形式で、範囲 [0, 1])
- (x_max, y_max) - 境界ボックスの右下隅の座標 (座標は正規化された形式で、範囲 [0, 1])
出力境界ボックスのすべてのクラスのセグメント化ヒートマップ、名前: masks、形状: 100, 90, 33, 33、形式 N, 90, 33, 33、ここで N は検出されたマスクの数、90 はクラスの数です (バックグラウンド・クラスは除きます)。

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>

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:

元のモデルは、Apache License バージョン 2.0 に基づいて配布されています。ライセンスの内容は、<omz_dir>/models/public/licenses/APACHE-2.0-TF-Models.txt で確認できます。