SSD

Instalación

SSD no necesita ningún extra opcional. Todo lo que importa está en la instalación base.

pip install libreyolo

Predicción

Los pesos se descargan de Hugging Face en el primer uso y se guardan en la caché local.

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreSSD300.pt")result = model(SAMPLE_IMAGE, save=True) for box in result.boxes:    print(box.cls, box.conf, box.xyxy)

libreyolo predict model=LibreSSD300.pt source=https://raw.githubusercontent.com/LibreYOLO/libreyolo/release/libreyolo/assets/parkour.jpg save=True

El objeto Results devuelto es el mismo que devuelven todas las familias, así que cambiar a otro detector es un cambio de una línea. SSD decodifica su rejilla de cajas por defecto con puntuaciones por clase y después aplica non-maximum suppression, así que aquí conf, iou y max_det tienen todos un efecto real, a diferencia de los detectores basados en queries de esta biblioteca. Consulta predicción para fuentes, streaming y manejo de resultados.

Variantes

SSD incluye un único checkpoint: la red SSD300 con backbone VGG16 en su lienzo nativo fijo. En esta familia no hay elección de tamaño ni de escala; la predicción, la validación y la exportación usan todas ese mismo grafo.

El archivo de pesos es LibreSSD300.pt, el prefijo de la familia seguido de su única clave de tamaño, "300". La clase que hay detrás es LibreSSD, así que una construcción directa es LibreSSD(size="300") y no una clase con el nombre del archivo.

Validación

val() devuelve un diccionario de claves metrics/ que cubren precisión, recall, mAP 50 y mAP 50-95, medidas contra cualquier dataset en el formato con el que entrenaste.

from libreyolo import LibreYOLO model = LibreYOLO("LibreSSD300.pt")metrics = model.val(data="my-dataset.yaml") print(metrics["metrics/mAP50-95"])print(metrics["metrics/mAP50"])

libreyolo val model=LibreSSD300.pt data=my-dataset.yaml

Exportación

SSD solo exporta a ONNX; el resto de formatos están bloqueados actualmente para esta familia. La exportación usa siempre el lienzo nativo del checkpoint, y el grafo expone la cabeza empaquetada en bruto de SSD en lugar de una salida con non-maximum suppression fusionada, así que nms=True no se acepta en el momento de exportar. Los propios backends de LibreYOLO ejecutan el paso de decodificado y supresión después de volver a cargar el grafo.

from libreyolo import LibreYOLO model = LibreYOLO("LibreSSD300.pt") # imgsz se omite aquí a propósito: SSD300 se traza en el lienzo nativo# de su checkpoint, y cualquier otro valor lanza un error antes de que# empiece la exportación.model.export(format="onnx")

libreyolo export model=LibreSSD300.pt format=onnx

from libreyolo import LibreYOLO # La factoría enruta según la extensión del archivo, así que un artefacto# exportado se carga como cualquier checkpoint y devuelve el mismo objeto Results.model = LibreYOLO("LibreSSD300.onnx")result = model(SAMPLE_IMAGE) print(result.boxes.xyxy)

Checkpoints

Todos los archivos de pesos publicados de esta familia.

Licencia

Cita

@inproceedings{liu2016ssd,
  title = {{SSD}: Single Shot MultiBox Detector},
  author = {Liu, Wei and Anguelov, Dragomir and Erhan, Dumitru and Szegedy, Christian and Reed, Scott and Fu, Cheng-Yang and Berg, Alexander C.},
  booktitle = {ECCV},
  year = {2016}
}