SSD

SSD(Single Shot MultiBox Detector)는 별도의 영역 제안 단계 없이 한 번의 순전파로 밀집 기본 바운딩 박스 그리드의 모든 바운딩 박스와 클래스 점수를 예측합니다. LibreYOLO는 VGG16 기반 SSD300 체크포인트를 추론 전용 탐지기로 제공합니다.

작업: detection
크기: 300 at 300 px
설치: pip install libreyolo
지원 티어: 추론 전용, v부터 지원. 예측, 검증, 내보내기만 지원합니다. 학습 기능은 적용되지 않습니다.
업스트림: UNC Chapel Hill, Zoox, Google and University of Michigan의 SSD, BSD-3-Clause. 논문, 소스
라이선스: 코드 BSD-3-Clause, 가중치 BSD-3-Clause. 상업적 사용

설치

SSD에는 선택적 extra가 필요하지 않습니다. 가져오는 모든 항목이 기본 설치에 포함됩니다.

bash

pip install libreyolo

예측

가중치는 처음 사용할 때 Hugging Face에서 내려받아 로컬에 캐시됩니다.

Python

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)

CLI

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

반환되는 Results 객체는 모든 계열에서 동일하므로 다른 탐지기로 바꾸려면 한 줄만 수정하면 됩니다. SSD는 클래스별 점수와 함께 기본 바운딩 박스 그리드를 디코딩한 뒤 NMS를 실행하므로 이 라이브러리의 쿼리 기반 탐지기와 달리 conf, iou, max_det 모두 실제 효과가 있습니다. 소스, 스트리밍, 결과 처리는 예측을 참조합니다.

변형

SSD는 고정 네이티브 캔버스에서 실행되는 VGG16 기반 SSD300 네트워크 체크포인트 하나를 제공합니다. 이 계열에는 선택할 크기나 스케일이 없으며 예측, 검증, 내보내기에서 모두 이 그래프 하나를 사용합니다.

가중치 파일은 계열 접두사 뒤에 유일한 크기 키인 "300"을 붙인 LibreSSD300.pt입니다. 이 파일의 클래스는 LibreSSD이므로 직접 생성할 때는 파일 이름을 따른 클래스 대신 LibreSSD(size="300")을 사용합니다.

검증

val()은 학습에 사용한 형식의 모든 데이터셋을 대상으로 측정한 정밀도, 재현율, mAP 50, mAP 50-95를 포함하는 metrics/ 키 딕셔너리를 반환합니다.

Python

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

CLI

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

내보내기

작업	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
Detection	Detection to ONNX: 지원함	Detection to TorchScript: 지원하지 않음	Detection to ExecuTorch: 지원하지 않음	Detection to TensorRT: 지원하지 않음	Detection to OpenVINO: 지원하지 않음	Detection to Paddle: 지원하지 않음	Detection to MNN: 지원하지 않음	Detection to RKNN: 지원하지 않음	Detection to ncnn: 지원하지 않음	Detection to TFLite: 지원하지 않음	Detection to CoreML: 지원하지 않음	Detection to Core AI: 지원하지 않음

SSD는 ONNX로만 내보내며 현재 이 계열의 다른 모든 형식은 차단됩니다. 내보내기는 항상 체크포인트의 네이티브 캔버스를 사용하고, 그래프는 NMS가 결합된 출력 대신 SSD의 원시 패킹 헤드를 노출하므로 내보낼 때 nms=True를 허용하지 않습니다. LibreYOLO 자체 백엔드는 그래프를 다시 불러온 뒤 디코딩과 억제 단계를 실행합니다.

Python

from libreyolo import LibreYOLO model = LibreYOLO("LibreSSD300.pt") # 여기서는 imgsz를 의도적으로 생략합니다. SSD300은 체크포인트의# 네이티브 캔버스에서 추적하며 다른 값은 내보내기 전에 오류를 일으킵니다.model.export(format="onnx")

CLI

libreyolo export model=LibreSSD300.pt format=onnx

내보낸 파일 사용하기

from libreyolo import LibreYOLO # 팩토리는 파일 접미사로 라우팅하므로 내보낸 아티팩트도# 체크포인트처럼 불러오며 동일한 Results 객체를 반환합니다.model = LibreYOLO("LibreSSD300.onnx")result = model(SAMPLE_IMAGE) print(result.boxes.xyxy)

체크포인트

이 계열에서 공개된 모든 가중치 파일입니다.

파일	입력(px)	가중치 라이선스
Detection
LibreSSD300.pt	300	bsd-3-clause

위의 모든 파일은 현재 LibreYOLO 조직에 있으며 처음 사용할 때 내려받습니다.

라이선스

내려받는 특정 가중치의 Hugging Face 저장소에서 라이선스를 확인하십시오. LibreYOLO 조직의 모든 체크포인트에는 라이선스가 있으며 한 계열 안에서도 항상 같지는 않습니다. 해당 저장소가 신뢰할 수 있는 기준입니다. 아래 요약은 이 페이지를 마지막으로 검증했을 때 적용된 내용을 설명합니다.

관련 라이선스에 관한 설명이며 법률 자문이 아닙니다. 상업적으로 중요한 사안이라면 라이선스를 직접 읽고 별도의 법률 자문을 받으십시오.

원작: SSD, UNC Chapel Hill, Zoox, Google and University of Michigan
업스트림 라이선스: BSD-3-Clause
업스트림 소스: github.com/pytorch/vision
LibreYOLO 코드: MIT
가중치: BSD-3-Clause, huggingface.co/LibreYOLO에 다시 게시됨
해석: BSD-3-Clause is a permissive license, so these weights can be used in commercial and closed-source products. It asks you to keep its copyright notice and disclaimer with any copy you redistribute, and it places no obligation on your own application code. The official SSD300 COCO checkpoint carries no separate, checkpoint-specific license: LibreYOLO's mirror applies BSD-3-Clause on an explicitly disclosed implied basis, the same basis torchvision states for its own pretrained SSD300 weights. The VGG16 backbone the graph is built on traces back to Oxford's fully convolutional reduced VGGNet, released under CC BY 4.0 by Karen Simonyan and Andrew Zisserman.

LibreYOLO의 SSD300 코드는 논문 저자 자체 Caffe 릴리스를 포팅하지 않았습니다. torchvision의 BSD-3-Clause SSD300 구현에서 파생되었으며, 위에서 업스트림 소스로 연결한 저장소가 해당 저장소입니다. 백본의 VGG16 가중치는 Karen Simonyan과 Andrew Zisserman이 CC BY 4.0으로 공개한 Oxford의 완전 컨볼루션 reduced VGGNet까지 거슬러 올라갑니다.

인용

@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}
}

github.com/weiliu89/caffe/tree/ssd#citing-ssd에 있는 저자의 인용 블록에서 복사했습니다.