ESE_VoVNet39b

量化的 ESE_VoVNet39b 模型，可由 AMD Ryzen AI 支持。

模型描述

VoVNet 首次在论文 An Energy and GPU-Computation Efficient Backbone Network for Real-Time Object Detection 中提出。由 Ross Wightman 在 timm 中使用 RandAugment RA 配方在 ImageNet-1k 上预训练。

该模型实现来自 timm。

如何使用

安装

按照 Ryzen AI 安装指南 准备 Ryzen AI 环境。 运行以下脚本安装此模型的依赖项。

pip install -r requirements.txt 

数据准备

按照 ImageNet 准备数据集。

模型评估

python eval_onnx.py --onnx_model ese_vovnet39b_int.onnx --ipu --provider_config Path\To\vaip_config.json --data_dir /Path/To/Your/Dataset

性能

@misc{rw2019timm,
  author = {Ross Wightman},
  title = {PyTorch Image Models},
  year = {2019},
  publisher = {GitHub},
  journal = {GitHub repository},
  doi = {10.5281/zenodo.4414861},
  howpublished = {\url{https://github.com/huggingface/pytorch-image-models}}
}

@inproceedings{lee2019energy,
  title = {An Energy and GPU-Computation Efficient Backbone Network for Real-Time Object Detection},
  author = {Lee, Youngwan and Hwang, Joong-won and Lee, Sangrok and Bae, Yuseok and Park, Jongyoul},
  booktitle = {Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops},
  year = {2019}
}