TensorFlow Model Zoo & Darknet Yolo Models

目前測試了許多TensorFlow的Model Zoo

以及Darknet Yolo Model

主要的測試影片為機車的行車紀錄器

所以偵測物件主要以交通工具以及行人為主

提供給大家參考

目前在TensorFlow Model Zoo提供的Model，測試了以下幾種：

ssd_mobilenet_v1、ssd_inception_v2、fast_rcnn_inception_v2、fast_rcnn_resnet50、fast_rcnn_resnet101、fast_rcnn_inception_resnet_v2、rcnn_resnet101、mask_rcnn_inception_v2

而Darknet Yolo Model則測試了以下幾種：

yolov2、yolov2-tiny、yolov3、yolov3-tiny


測試影片都是採用同一段影片

可以由此看出每個Model辨識出來的效果

可透過Youtube採用慢速撥放的方式去進行慢速的觀察

偵測的物件儲存框選區域外

也會在左上角標記該物件的名稱，與一個辨識的數值，

數值越大表示辨識成果越有把握

而不同的物件類型則採用不同的顏色去作描繪
(相同物件就會用相同顏色，例如汽車都是一樣的顏色)


以下是使用EmguTF(TensorFlow架構)去跑Model Zoo的Model的辨識成果

辨識效果的影片如下：
(辨識分數0~100)

model：ssd_mobilenet_v1

 model：ssd_inception_v2

 model：fast_rcnn_inception_v2

 model：fast_rcnn_resnet50

 model：fast_rcnn_resnet101

 model：fast_rcnn_inception_resnet_v2

 model：rcnn_resnet101


以下是採用Darknet架構

跑yolov2、yolov2-tiny、yolov3、yolov3-tiny這些Model的辨識結果
(辨識分數：0~1)

 model：yolov2

 model：yolov2-tiny

 model：yolov3

 model：yolov3-tiny


以上測試影片是不考慮辨識速度，單純看辨識結果

影片的說明有加入測試環境與測試的FPS

若要比較完整的辨識速度與效能(FPS)可參考上一篇：

CPU vs GPU、YOLO-darknet vs tensorflow效能比較

目前Yolo Models還未提供帶有Mask資訊的Model稍微可惜了一點

但目前測試下來yolov3的辨識效果與速度都是相當不錯!


下面這段則是使用EmguTF(TensorFlow架構)去跑帶有Mask的Model的結果

 model：mask_rcnn_inception_v2


有Mask資訊就能提供描繪出物件的遮罩資訊，蠻特別的!

以上測試影片僅做參考嘍~