SSD

Instalacja

SSD nie wymaga żadnego opcjonalnego dodatku. Wszystkie importowane elementy znajdują się w instalacji podstawowej.

pip install libreyolo

Predykcja

Przy pierwszym użyciu wagi są pobierane z Hugging Face i zapisywane w lokalnej pamięci podręcznej.

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

Zwracany obiekt Results jest taki sam dla każdej rodziny, więc zmiana detektora wymaga zmiany jednego wiersza. SSD dekoduje siatkę domyślnych ramek z wynikami dla każdej klasy, a następnie uruchamia tłumienie niemaksymalne. Argumenty conf, iou i max_det mają tu zatem rzeczywisty wpływ, inaczej niż w detektorach opartych na zapytaniach w tej bibliotece. Więcej informacji o źródłach, streamingu i obsłudze wyników zawiera strona predykcji.

Warianty

SSD udostępnia jeden checkpoint: sieć SSD300 z backbone VGG16 na jej stałym natywnym obszarze. Ta rodzina nie oferuje wyboru rozmiaru ani skali. Predykcja, walidacja i eksport używają tego jednego grafu.

Plik wag nazywa się LibreSSD300.pt, czyli prefiks rodziny z jej jedynym kluczem rozmiaru "300". Odpowiada mu klasa LibreSSD, dlatego bezpośrednie utworzenie ma postać LibreSSD(size="300"), a nie klasy nazwanej jak plik.

Walidacja

val() zwraca słownik kluczy metrics/, który obejmuje precision, recall, mAP 50 i mAP 50-95, zmierzone względem dowolnego zbioru danych w formacie użytym do trenowania.

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

Eksport

SSD eksportuje wyłącznie do ONNX. Wszystkie inne formaty są obecnie blokowane dla tej rodziny. Eksport zawsze używa natywnego obszaru checkpointu, a graf udostępnia surową, spakowaną głowicę SSD zamiast wyjścia ze scalonym tłumieniem niemaksymalnym, dlatego nms=True nie jest przyjmowane podczas eksportu. Własne backendy LibreYOLO wykonują etap dekodowania i tłumienia po ponownym wczytaniu grafu.

from libreyolo import LibreYOLO model = LibreYOLO("LibreSSD300.pt") # imgsz celowo pominięto: SSD300 jest śledzony na natywnym obszarze checkpointu,# a każda inna wartość zgłasza błąd przed rozpoczęciem eksportu.model.export(format="onnx")

libreyolo export model=LibreSSD300.pt format=onnx

from libreyolo import LibreYOLO # Fabryka wybiera ścieżkę na podstawie rozszerzenia pliku, więc wyeksportowany artefakt# ładuje się jak każdy checkpoint i zwraca ten sam obiekt Results.model = LibreYOLO("LibreSSD300.onnx")result = model(SAMPLE_IMAGE) print(result.boxes.xyxy)

Checkpointy

Wszystkie opublikowane pliki wag dla tej rodziny.

Licencja

Cytowanie

@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}
}