model
最后更新
luxonis_train.config.predefined_models.fomo.v1.modelFOMO 检测模型。类
FOMOModel
吞吐量:: 384x512 下的每秒帧数。light: RVC2 上 140,RVC4 上 243heavy: RVC2 上 34,RVC4 上 230
注意事项
loss_params 中的 object_weight 乘以包含对象的单元格的损失,其默认值为 500。较大的值会提高召回率,同时也会增加误报的数量。head_params 中的 use_nms 默认开启。在评估时,头部只保留 3x3 窗口中最大的单元格。这会消除一些误报,当两个对象靠得很近时,也会消除一些真阳性。在导出时,头部对热图应用 3x3 最大池化。head_params 中的 attach_index 选择头部读取的骨干网络阶段,其默认值为 1。0 读取它之前的阶段。该阶段提供更大的热图和更精确的位置,并且模型运行速度较慢。示例
配置的
model 部分:Yaml
1model:
2 predefined_model:
3 name: FOMOModel
4 params:
5 variant: light组件::- 节点:EfficientRep -> FOMOHead
- 损失:FOMOLocalizationLoss
- 指标:ConfusionMatrix
- 可视化器:FOMOVisualizer
- 主要指标:ConfusionMatrix
- 变体:
lightheavy
方法
init
Python
1def __init__(**kwargs):ConfusionMatrix 已经是主要指标,因此设置 enable_confusion_matrix=False 以避免添加第二个。get_variants
Python
1def get_variants() -> tuple[str, dict[str, Params]]:light。变体在骨干网络上有所不同:light:EfficientRep 使用"n"变体;heavy:MobileNetV2 没有变体。
head_params 中将 n_conv_layers 设置为 2,将 conv_channels 设置为 16。配置中给出的 head_params 会替换变体的整个字典。然后,头部会为字典中未包含的键采用其自己的默认值。示例
Pycon
1>>> default, variants = FOMOModel.get_variants()
2>>> default
3'light'
4>>> variants["heavy"]
5{'backbone': 'MobileNetV2',
6 'head_params': {'n_conv_layers': 2, 'conv_channels': 16}}tuple[str, dict[str, Params]]:"light"和两个变体及其构造函数参数。