COCO物体检测-01-SSD-ONNX

COCO物体检测-01-SSD-ONNX 是基于 SSD（Single Shot Multibox Detection）算法的目标检测模型。本模型使用了 COCO（Common Objects in Context）数据集进行训练和验证，能够从图像中检测 COCO 数据集所支持的 80 种物体。

• SSD 的优点在于它可以在单个神经网络中同时进行特征提取和目标检测，从而大大提高检测速度。此外，与其他目标检测算法相比，它可以更好地处理不同大小的目标，并且检测精度很高。SSD 已经被广泛应用于各种计算机视觉应用中，如物体检测、人脸检测、车辆检测等。

• COCO 数据集是一个大规模的目标检测、分割和图像标注数据集，包含超过 33 万张图像和超过 200 万个标注。

模型基本信息

您可以在边缘智能控制台的 官方模型 列表访问本模型。下图展示了本模型的基本信息。

框架

本模型是 ONNX 格式的模型。

输入

输入说明：

• 本模型只支持同时输入一张图像。输入的是一个 RGB 图像，尺寸为 512 × 512 × 3（宽 × 高 × 通道数），单位：像素。
• 输入的通道顺序为 NCHW。其中，N 表示批处理大小，C 表示通道数（3），H 表示图像的高度（512），W 表示图像的宽度（512）。
• 图像输入的缩放算法是 Bilinear。
• 图像输入正则化的均值为 [123.675, 116.28, 103.53]，缩放比例为 0.017352074。

输出

目标类别标签

本模型可检测的目标对象的类别标签如下：

person;bicycle;car;motorbike;aeroplane;bus;train;truck;boat;traffic light;fire hydrant;stop sign;parking meter;bench;bird;cat;dog;horse;sheep;cow;elephant;bear;zebra;giraffe;backpack;umbrella;handbag;tie;suitcase;frisbee;skis;snowboard;sports ball;kite;baseball bat;baseball glove;skateboard;surfboard;tennis racket;bottle;wine glass;cup;fork;knife;spoon;bowl;banana;apple;sandwich;orange;broccoli;carrot;hot dog;pizza;donut;cake;chair;sofa;pottedplant;bed;diningtable;toilet;tvmonitor;laptop;mouse;remote;keyboard;cell phone;microwave;oven;toaster;sink;refrigerator;book;clock;vase;scissors;teddy bear;hair drier;toothbrush

模型版本

本模型提供一个可部署版本。

模型部署

1. 访问本模型的模型详情。

2. 在 版本管理 标签页，找到要使用的版本，单击 操作 列的 部署。

3. 在 部署模型服务 页面，选择要部署当前模型的 一体机 并设置 服务名称 以及服务的 HTTP端口 和 GRPC端口，然后单击 确认。

   • 服务名称在一台一体机中必须保持唯一。
   • 您设置的 HTTP 端口和 GRPC 端口不能是一体机中已被其他服务占用的端口。
   • 在首次部署模型服务时，我们推荐您使用其他配置的预设默认值。模型服务成功部署后，您可以根据实际需求编辑模型服务的配置。

   详细的操作步骤，请参见使用官方模型。

完成上述操作后，您可以在 模型服务 标签页查看模型服务的部署情况。