OpenVINO™工具包公共模型概述

　　OpenVINO™工具包提供了一组公共模型，您可以将其用于学习和演示目的，或者用于开发深度学习软件。

　　最新版本可在Github上的回购中找到。

　　您可以下载模型并使用OpenVINO™模型下载器和其他自动化工具将它们转换为推理引擎格式(*.xml+*.bin)。

分类

分割

　　语义分割是目标检测问题的延伸。

　　语义分割模型不返回边界框，而是返回输入图像的“绘制”版本，其中每个像素的“颜色”表示某个类别。

　　这些网络比各自的目标检测网络大得多，但它们提供了更好的(像素级)目标定位，并且它们可以检测到形状复杂的区域。

语义分割

实例分割

　　实例分割是目标检测和语义分割问题的延伸。与预测每个对象实例周围的边界框不同，实例分割模型为所有实例输出像素级掩码。

3D语义分割

目标检测

　　几个检测模型可以用来检测一组最流行的对象——例如，人脸、人、车辆。大多数网络都基于固态硬盘，并提供合理的精度/性能权衡。

面部识别

人体姿态估计

　　人体姿态估计任务是为输入图像或视频中的每个人预测一个姿态:身体骨架，它由关键点和它们之间的联系组成。关键点是身体关节，即耳朵、眼睛、鼻子、肩膀、膝盖等。这种方法有两大类:自上而下和自下而上。首先在给定的帧中检测人，裁剪或重新缩放检测，然后为每个检测运行姿态估计网络。这些方法非常准确。第二个查找给定帧中的所有关键点，然后按个人实例对它们进行分组，这样比以前更快，因为网络只运行一次。

单目深度估计

　　单目深度估计的任务是基于单一输入图像预测深度(或逆深度)地图。由于这个任务在一般情况下包含一些模糊性，所以得到的深度图通常只定义一个未知的比例因子。

图像修复

　　图像修复的任务是估计合适的像素信息来填充图像中的空洞。

风格转移

　　风格转移任务是将一个图像的风格转移到另一个图像。

动作识别

　　动作识别的任务是预测正在短视频剪辑上执行的动作(通过堆叠来自输入视频的采样帧形成的张量)。

彩色化

　　彩色化任务是从灰度图像中预测场景的颜色。

声音分类

　　声音分类的任务是预测音频片段中有哪些声音。

语音识别

　　语音识别的任务是识别口语并将其翻译成文本。

图像翻译

　　图像翻译的任务是基于样本生成输出。

位置识别

　　地点识别的任务是快速准确地识别给定查询照片的位置。

使（模糊的图像）变清晰

　　图像去模糊的任务。