You need to enable JavaScript to run this app.
导航
COCO物体检测-01-SSD-ONNX
最近更新时间:2024.07.10 10:16:00首次发布时间:2023.09.15 19:33:32

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。
图片

框架

本模型是 ONNX 格式的模型。

输入

名称

类型

形状

转换形状

格式

input

FP32

1, 3, 512, 512

None

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

名称

类型

形状

转换形状

boxes

FP32

9, 5

labels

INT64

9

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。
图片

版本名称

最大批处理大小

硬件架构

说明

ssd_resenet_fpn_512_512_20200730

0

该版本无需搭配前后处理版本进行使用。

注意

使用该版本时,输入的最大批处理大小必须为 0。

模型部署

参考 部署模型服务进行模型服务的部署。在 部署模型服务 参数配置页面,修改以下配置:

说明

下表中未包含的配置项无需修改,建议使用默认值。

类型

配置项

说明

基本信息

节点

选择一个节点(一体机)。

服务名称

设置一个服务名称。该名称不能与节点上其他服务的名称重复。

模型信息

模型

选择 COCO物体检测-01-SSD-ONNX

模型版本

选择 ssd_resenet_fpn_512_512_20200730

服务配置

HTTP端口

指定节点上的一个空闲端口。

GRPC端口

指定节点上的一个空闲端口。

调用示例

模型服务部署成功后,您可以下载客户端调用示例,用来验证此模型服务的效果。