PP-LiteSeg
PP-LiteSegは、STDCバックボーンと融合デコーダーを使って各ピクセルに意味クラスを割り当てます。
- タスク
- semantic segmentation
- インストール
pip install libreyolo- サポートティア
- サポート対象、v1.6.0以降。補助的な学習可能モデル：CIで正常な状態を維持し、機能は機会に応じて追加されます。
- ライセンス
- コード：MIT、重み：Apache-2.0。商用利用
インストール
bash
pip install "libreyolo"推論
Python
from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibrePPLiteSegt50-sem.pt", device="cpu")result = model(SAMPLE_IMAGE)print(result.semantic_mask)t50とb50は(512, 1024)で、t75とb75は(768, 1536)で評価します。寸法の順序は(height, width)です。
学習
学習のデフォルトは800エポック、バッチサイズ8、amp=Falseです。デフォルトのクロップはt50/b50が(512, 1024)、t75/b75が(768, 768)です。検証では元の長方形を維持します。学習レシピでは、補助ヘッドを使い、交差エントロピー損失、Dice損失、エッジ損失を組み合わせます。
必要な学習データについてはデータセットの設定を参照してください。
Python
from libreyolo import LibreYOLO model = LibreYOLO("LibrePPLiteSegt50-sem.pt", device="cpu")# セマンティックセグメンテーション用データセットYAML（画像と1チャンネルのクラスIDマスク）model.train(data="path/to/your/semantic.yaml", epochs=1, device="cpu", workers=0)検証
Python
from libreyolo import LibreYOLO model = LibreYOLO("LibrePPLiteSegt50-sem.pt", device="cpu")# cityscapes.yamlと同じ19クラスのセマンティックセグメンテーション用データセットYAMLmetrics = model.val(data="path/to/your/semantic.yaml", workers=0)print(metrics)タスクに対応する形式のデータセットを使います。検証でデータセットの要件と返される指標を説明しています。
エクスポート
| タスク | ONNX | TorchScript | ExecuTorch | TensorRT | OpenVINO | Paddle | MNN | RKNN | ncnn | TFLite | CoreML | Core AI |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Semantic segmentation | Semantic segmentation to ONNX：対応 | Semantic segmentation to TorchScript：対応 | Semantic segmentation to ExecuTorch：非対応 | Semantic segmentation to TensorRT：対応 | Semantic segmentation to OpenVINO：対応 | Semantic segmentation to Paddle：非対応 | Semantic segmentation to MNN：非対応 | Semantic segmentation to RKNN：非対応 | Semantic segmentation to ncnn：非対応 | Semantic segmentation to TFLite：非対応 | Semantic segmentation to CoreML：非対応 | Semantic segmentation to Core AI：非対応 |
Python
from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibrePPLiteSegt50-sem.pt", device="cpu")model.export(format="onnx")形式ごとの依存関係とエクスポートしたファイルの読み込みについてはエクスポートの設定を参照してください。
チェックポイント
| ファイル | 重みのライセンス |
|---|---|
| Semantic segmentation | |
| LibrePPLiteSegt50-sem.pt | apache-2.0 |
| LibrePPLiteSegb50-sem.pt | apache-2.0 |
| LibrePPLiteSegt75-sem.pt | apache-2.0 |
| LibrePPLiteSegb75-sem.pt | apache-2.0 |
上記のすべてのファイルは現在LibreYOLO orgにあり、初回使用時にダウンロードされます。
ライセンス
ダウンロードする特定の重みについて、Hugging Faceリポジトリのライセンスを確認してください。LibreYOLO orgの各チェックポイントにはライセンスが付与されており、同じファミリー内でも常に同一とは限りません。そのリポジトリが正式な情報源です。以下の概要は、このページを最後に検証した時点で適用されていた内容を示します。
これは関連するライセンスの説明であり、法的助言ではありません。商用上重要な場合は、自分でライセンスを読み、専門家の助言を受けてください。
- 原著作物
- PP-LiteSeg, PaddlePaddle
- アップストリームのライセンス
- Apache-2.0
- アップストリームのソース
- github.com/PaddlePaddle/PaddleSeg
- LibreYOLOのコード
- MIT
- 重み
- Apache-2.0、huggingface.co/LibreYOLOで再公開
- 解釈
- The upstream implementation declares Apache-2.0. The STDC backbone also carries its original MIT attribution. The released checkpoints are converted from the Deci-AI/super-gradients Cityscapes artifacts; SuperGradients is released under Apache-2.0 and grants separate weight licenses only for YOLO-NAS, so these checkpoints carry Apache-2.0.
