SSD

Installazione

SSD non richiede nessun extra opzionale. Tutto quello che importa è nell'installazione base.

pip install libreyolo

Predizione

I pesi si scaricano da Hugging Face al primo utilizzo e restano in cache in locale.

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

L'oggetto Results restituito è lo stesso che restituisce ogni famiglia, quindi passare a un rilevatore diverso è una modifica di una riga. SSD decodifica la sua griglia di box predefiniti con punteggi per classe e poi esegue la non-maximum suppression, quindi qui conf, iou e max_det hanno tutti un effetto reale, a differenza dei rilevatori basati su query presenti in questa libreria. Vedi predizione per sorgenti, streaming e gestione dei risultati.

Varianti

SSD include un solo checkpoint: la rete SSD300 basata su VGG16 al suo canvas nativo fisso. In questa famiglia non c'è nessuna scelta di dimensione o scala; predizione, validazione ed esportazione usano tutte quell'unico grafo.

Il file di pesi è LibreSSD300.pt, il prefisso della famiglia seguito dalla sua unica chiave di dimensione, "300". La classe sottostante è LibreSSD, quindi una costruzione diretta è LibreSSD(size="300") e non una classe che prende il nome dal file.

Validazione

val() restituisce un dizionario di chiavi metrics/ che coprono precisione, recall, mAP 50 e mAP 50-95, misurate su qualsiasi dataset nel formato con cui hai addestrato.

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

Esportazione

SSD esporta solo in ONNX; ogni altro formato è al momento bloccato per questa famiglia. L'esportazione usa sempre il canvas nativo del checkpoint e il grafo espone la testa grezza compattata di SSD invece di un output con non-maximum-suppression fusa, quindi nms=True non viene accettato quando esporti. I backend di LibreYOLO eseguono il passaggio di decode e soppressione dopo aver ricaricato il grafo.

from libreyolo import LibreYOLO model = LibreYOLO("LibreSSD300.pt") # imgsz è omesso di proposito: SSD300 viene tracciato sul canvas nativo# del suo checkpoint e qualsiasi altro valore solleva un errore prima# che l'esportazione inizi.model.export(format="onnx")

libreyolo export model=LibreSSD300.pt format=onnx

from libreyolo import LibreYOLO # La factory instrada in base al suffisso del file, quindi un artefatto# esportato si carica come qualsiasi checkpoint e restituisce lo stesso# oggetto Results.model = LibreYOLO("LibreSSD300.onnx")result = model(SAMPLE_IMAGE) print(result.boxes.xyxy)

Checkpoint

Tutti i file di pesi pubblicati per questa famiglia.

Licenza

Citazione

@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}
}