VoVNet

Kategori: CNN · Kod: timm/models/vovnet.py · Mimariler: 10 · Önceden eğitilmiş ağırlıklar: 3 (3'ü ImageNet-1k sonuçlarıyla)

VoVNet, bir bloğun sonunda tüm katmanların çıktılarını bir kez birleştiren One-Shot Aggregation (OSA) modüllerini kullanır. VoVNetV2 (CenterMask'tan) artımsal bağlantılar ve etkili SE (eSE) dikkatini ekler.

Makaleler

• Gerçek Zamanlı Nesne Algılama İçin Enerji ve GPU Hesaplama Verimli Bir Omurga Ağı
• CenterMask: Gerçek Zamanlı Çapaksız Örnek Segmentasyonu

Kullanım

Önceden eğitilmiş ağırlıkları yükleme, görüntü ön işleme ve ince ayar için Hızlı Başlangıç bölümüne, modelleri omurga olarak kullanmak için ise Özellik Çıkarımı bölümüne bakın.

>>> import timm
>>> model = timm.create_model('ese_vovnet39b.ra_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

Model API desteği

✓ destekleniyor, ✓ (kare) yalnızca kare boyutlarda çalışır, ✗ desteklenmiyor, – gerekli değil (model zaten herhangi bir giriş boyutunu kabul eder). Her özellik, rastgele başlatılmış bir model üzerinde (VovNet ile ese_vovnet19b_slim_dw 224 boyutunda) çalıştırılarak kontrol edilir; aynı sınıftaki diğer mimarilerin de aynı şekilde davranması beklenir. Ayrıntılar için Model API sayfasına bakın.

Mimariler

GMAC'lar ve parametre sayıları, her mimarinin varsayılan giriş boyutu ve sınıflandırıcısı içindir ve benchmark sonuçlarından alınmıştır.

Önceden eğitilmiş ağırlıklar

Top-1, belirtilen değerlendirme boyutunda results-imagenet.csv dosyasındaki ImageNet-1k doğrulama doğruluğudur; ağırlığın ImageNet-1k sonucu yoksa (ör. ön eğitim veya görsel-metin ağırlıkları) bu değer "-" olarak gösterilir. Classes, ön eğitilmiş sınıflandırıcının boyutudur; sınıflandırıcısı olmayan ağırlıklar için bu değer "none"dur.