SSD

Установка

SSD не нужны опциональные extra. Всё, что он импортирует, входит в базовую установку.

pip install libreyolo

Предсказание

Веса скачиваются с Hugging Face при первом запуске и кэшируются локально.

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

Возвращаемый объект Results — тот же, что возвращают все семейства, поэтому замена на другой детектор — правка в одну строку. SSD декодирует свою сетку опорных рамок с оценками по классам, а затем запускает non-maximum suppression, поэтому conf, iou и max_det здесь реально влияют на результат — в отличие от детекторов на запросах в этой библиотеке. Про источники, стриминг и обработку результатов — в разделе предсказание.

Варианты

В SSD один чекпойнт: сеть SSD300 на базе VGG16 с фиксированным родным холстом. Выбора размера или масштаба в этом семействе нет; предсказание, валидация и экспорт используют один и тот же граф.

Файл весов — LibreSSD300.pt: префикс семейства, за которым идёт единственный ключ размера, "300". За ним стоит класс LibreSSD, поэтому напрямую модель создаётся как LibreSSD(size="300"), а не через класс, названный по имени файла.

Валидация

val() возвращает словарь с ключами metrics/, покрывающими точность, полноту, mAP 50 и mAP 50-95, измеренные на любом датасете в том формате, в котором вы обучали модель.

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

Экспорт

SSD экспортируется только в ONNX; все остальные форматы для этого семейства сейчас заблокированы. Экспорт всегда использует родной холст чекпойнта, а граф отдаёт сырую упакованную голову SSD, а не выход со встроенным non-maximum suppression, поэтому nms=True при экспорте не принимается. Собственные бэкенды LibreYOLO выполняют шаг декодирования и подавления уже после того, как граф загружен обратно.

from libreyolo import LibreYOLO model = LibreYOLO("LibreSSD300.pt") # imgsz здесь опущен намеренно: SSD300 трассируется на родном холсте# своего чекпойнта, а любое другое значение вызовет ошибку до начала экспорта.model.export(format="onnx")

libreyolo export model=LibreSSD300.pt format=onnx

from libreyolo import LibreYOLO # Фабрика выбирает путь по суффиксу файла, поэтому экспортированный артефакт# загружается как любой чекпойнт и возвращает тот же объект Results.model = LibreYOLO("LibreSSD300.onnx")result = model(SAMPLE_IMAGE) print(result.boxes.xyxy)

Чекпойнты

Все опубликованные файлы весов этого семейства.

Лицензирование

Цитирование

@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}
}