13 Star 61 Fork 279

Ascend/ModelZoo-TensorFlow

加入 Gitee
与超过 1200万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
文件
克隆/下载
贡献代码
同步代码
取消
提示: 由于 Git 不支持空文件夾,创建文件夹后会生成空的 .keep 文件
Loading...
README

模型功能

该模型用于对眼底图像进行血管分割。

原始模型

参考实现 :

https://github.com/orobix/retina-unet#retina-blood-vessel-segmentation-with-a-convolution-neural-network-u-net

原始模型网络下载地址 :

https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC Model/retina-unet/deploy_vel_ascend.prototxt

原始模型权重下载地址 :

https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC Model/retina-unet/vel_hw_iter_5000.caffemodel

om模型

om模型下载地址:

https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC Model/retina-unet/retina-unet.om

使用ATC模型转换工具进行模型转换时可以参考如下指令

atc --model=caffe_model/deploy_vel_ascend.prototxt --weight=caffe_model/vel_hw_iter_5000.caffemodel --framework=0 --output=model/retina-unet --soc_version=Ascend310 --input_format=NCHW --input_fp16_nodes=data -output_type=FP32

使用msame工具推理

参考 https://gitee.com/ascend/tools/tree/master/msame, 获取msame推理工具及使用方法。

获取到msame可执行文件之后,将待检测om文件放在model文件夹,然后进行性能测试。

性能测试

使用msame推理工具,参考如下命令,发起推理性能测试:

./msame --model /home/HwHiAiUser/vessel2/model/retina-unet.om  --output /home/HwHiAiUser/out --outfmt TXT --loop 100

性能测试数据为:

[INFO] output data success
Inference average time: 13.405190 ms
Inference average time without first time: 13.404515 ms
[INFO] unload model success, model Id is 1
[INFO] Execute sample success.
Test Finish!

Batch: 1, shape: 3,512,512,平均推理性能13.405190 ms

精度测试

待完善

推理效果

输入图片说明

马建仓 AI 助手
尝试更多
代码解读
代码找茬
代码优化
1
https://gitee.com/ascend/ModelZoo-TensorFlow.git
git@gitee.com:ascend/ModelZoo-TensorFlow.git
ascend
ModelZoo-TensorFlow
ModelZoo-TensorFlow
master

搜索帮助