OpenVINO?工具包公共模型概述

　　OpenVINO?工具包提供了一組公共模型，您可以將其用于學(xué)習(xí)和演示目的，或者用于開發(fā)深度學(xué)習(xí)軟件。

　　最新版本可在Github上的回購(gòu)中找到。

　　您可以下載模型并使用OpenVINO?模型下載器和其他自動(dòng)化工具將它們轉(zhuǎn)換為推理引擎格式(*.xml+*.bin)。

分類

分割

　　語(yǔ)義分割是目標(biāo)檢測(cè)問題的延伸。

　　語(yǔ)義分割模型不返回邊界框，而是返回輸入圖像的“繪制”版本，其中每個(gè)像素的“顏色”表示某個(gè)類別。

　　這些網(wǎng)絡(luò)比各自的目標(biāo)檢測(cè)網(wǎng)絡(luò)大得多，但它們提供了更好的(像素級(jí))目標(biāo)定位，并且它們可以檢測(cè)到形狀復(fù)雜的區(qū)域。

語(yǔ)義分割

實(shí)例分割

　　實(shí)例分割是目標(biāo)檢測(cè)和語(yǔ)義分割問題的延伸。與預(yù)測(cè)每個(gè)對(duì)象實(shí)例周圍的邊界框不同，實(shí)例分割模型為所有實(shí)例輸出像素級(jí)掩碼。

3D語(yǔ)義分割

目標(biāo)檢測(cè)

　　幾個(gè)檢測(cè)模型可以用來檢測(cè)一組最流行的對(duì)象——例如，人臉、人、車輛。大多數(shù)網(wǎng)絡(luò)都基于固態(tài)硬盤，并提供合理的精度/性能權(quán)衡。

面部識(shí)別

人體姿態(tài)估計(jì)

　　人體姿態(tài)估計(jì)任務(wù)是為輸入圖像或視頻中的每個(gè)人預(yù)測(cè)一個(gè)姿態(tài):身體骨架，它由關(guān)鍵點(diǎn)和它們之間的聯(lián)系組成。關(guān)鍵點(diǎn)是身體關(guān)節(jié)，即耳朵、眼睛、鼻子、肩膀、膝蓋等。這種方法有兩大類:自上而下和自下而上。首先在給定的幀中檢測(cè)人，裁剪或重新縮放檢測(cè)，然后為每個(gè)檢測(cè)運(yùn)行姿態(tài)估計(jì)網(wǎng)絡(luò)。這些方法非常準(zhǔn)確。第二個(gè)查找給定幀中的所有關(guān)鍵點(diǎn)，然后按個(gè)人實(shí)例對(duì)它們進(jìn)行分組，這樣比以前更快，因?yàn)榫W(wǎng)絡(luò)只運(yùn)行一次。

單目深度估計(jì)

　　單目深度估計(jì)的任務(wù)是基于單一輸入圖像預(yù)測(cè)深度(或逆深度)地圖。由于這個(gè)任務(wù)在一般情況下包含一些模糊性，所以得到的深度圖通常只定義一個(gè)未知的比例因子。

圖像修復(fù)

　　圖像修復(fù)的任務(wù)是估計(jì)合適的像素信息來填充圖像中的空洞。

風(fēng)格轉(zhuǎn)移

　　風(fēng)格轉(zhuǎn)移任務(wù)是將一個(gè)圖像的風(fēng)格轉(zhuǎn)移到另一個(gè)圖像。

動(dòng)作識(shí)別

　　動(dòng)作識(shí)別的任務(wù)是預(yù)測(cè)正在短視頻剪輯上執(zhí)行的動(dòng)作(通過堆疊來自輸入視頻的采樣幀形成的張量)。

彩色化

　　彩色化任務(wù)是從灰度圖像中預(yù)測(cè)場(chǎng)景的顏色。

聲音分類

　　聲音分類的任務(wù)是預(yù)測(cè)音頻片段中有哪些聲音。

語(yǔ)音識(shí)別

　　語(yǔ)音識(shí)別的任務(wù)是識(shí)別口語(yǔ)并將其翻譯成文本。

圖像翻譯

　　圖像翻譯的任務(wù)是基于樣本生成輸出。

位置識(shí)別

　　地點(diǎn)識(shí)別的任務(wù)是快速準(zhǔn)確地識(shí)別給定查詢照片的位置。

使（模糊的圖像）變清晰

　　圖像去模糊的任務(wù)。