yolo-v3-onnx#

ユースケースと概要説明#

YOLO v3 は、keras2onnx コンバーターを使用して Keras* モデルのリポジトリーから変換された ONNX* 形式のリアルタイム・オブジェクト検出モデルです。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

65.998

MParams

61.930

ソース・フレームワーク

ONNX*

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

48.30%

COCO mAP

47.07%

入力#

元のモデル#

  1. 画像、名前: input_1、形状: 1, 3, 416, 416、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。スケール値 - 255。

  2. 入力画像サイズの情報、名前: image_shape、形状: 1, 2、形式: B, C、ここで:

    • B - バッチサイズ

    • C - H, W 形式の 2 つの値のベクトル。ここで、H は画像の高さ、W は画像の幅です。

変換されたモデル#

  1. 画像、名前: input_1、形状: 1, 3, 416, 416、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。

  2. 入力画像サイズの情報、名前: image_shape、形状: 1, 2、形式: B, C、ここで:

    • B - バッチサイズ

    • C - H, W 形式の 2 つの値のベクトル。ここで、H は画像の高さ、W は画像の幅です。

出力#

元のモデル#

  1. ボックスの座標、名前: yolonms_layer_1/ExpandDims_1:0、形状: 1, 10647, 4、形式: B, N, 4、ここで:

    • B - バッチサイズ

    • N - 候補の数

  2. クラスごとのボックスのスコア、名前: yolonms_layer_1/ExpandDims_3:0、形状: 1, 80, 10647、形式: B, 80, N、ここで:

    • B - バッチサイズ

    • N - 候補の数

  3. ボックステンソルから選択されたインデックス、名前 - yolonms_layer_1/concat_2:0、形状 - 1, 1600, 3、形式 - B, N, 3、ここで:

    • B - バッチサイズ

    • N - 検出ボックスの数

各インデックスの形式は [b_idx, cls_idx, box_idx] です。ここで、

  • b_idx - バッチ・インデックス

  • cls_idx - class_index

  • box_idx - box_index

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#

  1. ボックスの座標、名前: yolonms_layer_1/ExpandDims_1:0、形状: 1, 10647, 4、形式: B, N, 4、ここで:

    • B - バッチサイズ

    • N - 候補の数

  2. クラスごとのボックスのスコア、名前: yolonms_layer_1/ExpandDims_3:0、形状: 1, 80, 10647、形式: B, 80, N、ここで:

    • B - バッチサイズ

    • N - 候補の数

  3. ボックステンソルから選択されたインデックス、名前 - yolonms_layer_1/concat_2:0、形状 - 1, 1600, 3、形式 - B, N, 3、ここで:

    • B - バッチサイズ

    • N - 検出ボックスの数

各インデックスの形式は [b_idx, cls_idx, box_idx] です。ここで、

  • b_idx - バッチ・インデックス

  • cls_idx - class_index

  • box_idx - box_index

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>

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: