yolox-tiny#

ユースケースと概要説明#

yolox-tiny は、物体検出タスク用の YOLOX モデルファミリーの小型バージョンです。YOLOX は、YOLO のアンカー・フリー・バージョンで、デザインはシンプルですが、パフォーマンスは向上しています。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。

詳細については、論文およびリポジトリーで説明されています。

仕様#

メトリック

値

タイプ

物体検出

GFLOPs

6.4813

MParams

5.0472

ソース・フレームワーク

PyTorch*

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

47.85%

COCO mAP (0.5)

52.56%

COCO mAP (0.5:0.05:0.95)

31.82%

入力#

元のモデル#

画像、名前: images、形状: 1, 3, 416, 416、形式: B, C, H, W、ここで:

  • B - バッチサイズ

  • C - チャネル数

  • H - 画像の髙さ

  • W - 画像の幅

予想される色の順序は 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: images、形状: 1, 3, 416, 416、形式: B, C, H, W、ここで:

  • B - バッチサイズ

  • C - チャネル数

  • H - 画像の髙さ

  • W - 画像の幅

予想される色の順序は、BGR です。

出力#

元のモデル#

検出概要情報の配列、名前 - output、形状 - 1, 3549, 85、形式 - B, N, 85、ここで:

  • B - バッチサイズ

  • N - 検出ボックスの数

検出ボックスの形式は、[x, y, h, w, box_score, class_no_1, …, class_no_80]、ここで:

  • (x, y) - ボックス中心の生座標

  • h, w - ボックスの生の高さと幅

  • box_score - 検出ボックスの信頼度

  • class_no_1, …, class_no_80 - ロジット形式のクラスにわたる確率分布。

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#

検出概要情報の配列、名前 - output、形状 - 1, 3549, 85、形式 - B, N, 85、ここで:

  • B - バッチサイズ

  • N - 検出ボックスの数

検出ボックスの形式は、[x, y, h, w, box_score, class_no_1, …, class_no_80]、ここで:

  • (x, y) - ボックス中心の生座標

  • h, w - ボックスの生の高さと幅

  • box_score - 検出ボックスの信頼度

  • class_no_1, …, class_no_80 - ロジット形式のクラスにわたる確率分布。

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: