ONNX Model Zoo 中的 R-CNN ILSVRC13 模型:从 Caffe 到 ONNX 的目标检测分类器全解析

原创2026-09-23 10:56:361,327 阅读
文章标签:人工智能深度学习计算机视觉NLP机器学习

ONNX Model Zoo 中的 R-CNN ILSVRC13 模型:从 Caffe 到 ONNX 的目标检测分类器全解析

本指南围绕 ONNX Model Zoo(当前仓库)中已验证的 R-CNN ILSVRC13 模型展开,系统讲解该模型的来源、转换链路、输入输出规格、预处理/后处理流程、下载与验证方法,并给出仓库内可复用的验证脚本与实测精度数据。读完本文,你将掌握如何在 ONNX Runtime 等后端上加载该模型、构造正确的输入张量,并用仓库提供的测试数据完成端到端验证。

模型概览与下载

R-CNN ILSVRC13 是 ONNX Model Zoo 中面向视觉分类任务验证过的模型之一(见仓库根目录 README.md 的 "Validated Models / Vision / Image Classification" 列表)。当前仓库为该模型维护了 5 个不同 Opset 版本的 ONNX 文件,均位于 validated/vision/classification/rcnn_ilsvrc13/model/ 目录下:

Model Download Download (with sample test data) ONNX version Opset version
R-CNN ILSVRC13 32 MB 231 MB 1.1 3
R-CNN ILSVRC13 32 MB 231 MB 1.1.2 6
R-CNN ILSVRC13 32 MB 231 MB 1.2 7
R-CNN ILSVRC13 32 MB 231 MB 1.3 8
R-CNN ILSVRC13 32 MB 231 MB 1.4 9
  • 纯模型文件(.onnx):约 32 MB,仅包含序列化模型,适合直接加载推理。
  • 含样例测试数据的压缩包(.tar.gz):约 231 MB,解压后除模型外还包含多组 test_data_set_* 测试数据(每组含输入/输出的 TensorProto),用于自动化校验模型在任意 ONNX 后端上的输出一致性。

仓库的 ONNX_HUB_MANIFEST.json(第 3898–4092 行)对上述每个版本都登记了元信息,例如 rcnn-ilsvrc13-9.onnx 的 SHA-256 为 4aadb5ac806e82f89bac7dea77c838ba828dccbe5d624d8a44ebd513953571d9,模型字节数约为 230,753,161,标签为 ["vision", "classification", "rcnn ilsvrc13"],可用于下载后的完整性校验。

模型背景:把 R-CNN 的 SVM 分类器移植进神经网络

R-CNN(Regions with CNN features)是为目标检测而设计的卷积神经网络。本文档中的模型做了关键改造:将 R-CNN 中原本独立的 SVM 分类器移植为一个 fc-rcnn 分类层,从而把"区域特征提取 + 类别判定"整合进同一个网络前向过程,得到一个可直接用于图像分类任务的端到端模型。

说明:本模型在 ONNX Model Zoo 中被归入 Image Classification 分类(见根 README.md),其输出是对 200 个类别的打分,而不是检测框;这与后续 Faster R-CNN 等完整两阶段检测器不同。

对应的研究工作为 Rich feature hierarchies for accurate object detection and semantic segmentation(Girshick et al.,即 R-CNN 论文),训练与评测所采用的数据集为 ILSVRC2013(ImageNet Large Scale Visual Recognition Challenge 2013,检测任务包含 200 个类别)。

转换链路(Source)

该 ONNX 模型并非从零训练,而是沿一条明确的模型移植链路逐级转换而来:

Caffe BVLC R-CNN ILSVRC13 ==> Caffe2 R-CNN ILSVRC13 ==> ONNX R-CNN ILSVRC13

即先由 Caffe 的 BVLC(Berkeley Vision and Learning Center)发布版 R-CNN 迁移到 Caffe2,再由 Caffe2 导出为 ONNX。这也是仓库中诸多经典模型(如 ResNet 的 "MXNet ResNet-v1 ==> ONNX ResNet-v1" 等条目)共同遵循的"框架导出到 ONNX 统一格式"思路,其目的是让模型可以被任意支持 ONNX 的后端(ONNX Runtime、ONNX.js 等)直接运行。

模型输入与输出规格

输入(Input)

data_0: float[1, 3, 224, 224]
  • 张量名:data_0;
  • 数据类型:tensor(float);
  • 形状:[1, 3, 224, 224],即 batch size 为 1、3 通道(RGB)、高宽均为 224 的输入图像。

输出(Output)

fc-rcnn_1: float[1, 200]
  • 张量名:fc-rcnn_1;
  • 形状:[1, 200],对应 ILSVRC2013 检测数据集的 200 个类别打分。

该规格与 ONNX_HUB_MANIFEST.json 中登记的 io_ports 完全一致;此外 Manifest 还额外登记了一个特征输出 fc7_1: [1, 4096](extra_ports.features),说明该网络内部的 fc7 全连接层输出 4096 维特征,可供需要提取区域特征的上游任务复用。

样例测试数据

压缩包内包含随机生成的 6 组样例测试数据,用于验证模型输出:

  • test_data_set_0
  • test_data_set_1
  • test_data_set_2
  • test_data_set_3
  • test_data_set_4
  • test_data_set_5

每组均遵循 ONNX Model Zoo 的统一测试数据约定(见根 README.md 的 "Usage" 章节):在 test_data_set_* 目录下存放序列化的 protobuf TensorProto 文件(input_*.pb 与 output_*.pb),后端运行模型后逐元素对比,即可判断转换是否保真。

预处理与后处理流程

预处理(Pre-processing)

模型期望输入为 3 通道 RGB、形状 <a href="https://link.gitcode.com/i/516a3c4bfdda8b47d7ad62d1a864fcc0" target="_blank">1, 3, 224, 224] 的 float32 张量。仓库在 [validated/vision/classification/imagenet_preprocess.py 中给出了参考实现,核心步骤为:

  1. 等比缩放:将图像最短边缩放到 256,另一边按原宽高比同步缩放(Image.BILINEAR 插值);
  2. 中心裁剪:从缩放后图像中心裁出 224×224 的窗口;
  3. 布局转换:由 HWC 转置为 CHW(image.transpose(2, 0, 1));
  4. 归一化:像素值除以 255 后,按 ImageNet 统计均值/方差做标准化:
    • mean = [0.485, 0.456, 0.406]
    • std = [0.229, 0.224, 0.225]
  5. 增加 batch 维:最终 reshape 为 [1, 3, 224, 224] 的 float32 张量。

仓库还提供了基于 MXNet Gluon 的等价实现 preprocess_mxnet(Resize(224) → CenterCrop(224) → ToTensor → Normalize),可交叉印证上述预处理参数。

后处理(Post-processing)

validated/vision/classification/imagenet_postprocess.py 提供了标准后处理:

  1. 对 200 维原始打分施加 softmax,得到各类别概率;
  2. 使用 np.argsort(prob)[::-1] 按概率降序排列类别 ID,取前几名即可得到 Top-k 预测结果。

精度结果(Results / accuracy)

在 200 类的 ILSVRC2013 检测数据集上,R-CNN 的 mAP(mean Average Precision)为 31.4%(该数值来自模型文档,对应论文报告的检测性能)。需要说明的是,这是在 ILSVRC2013 检测任务上的评估指标,与纯 ImageNet 分类任务的 Top-1/Top-5 指标口径不同。仓库将该模型归入 "validated"(已验证)目录,意味着其 ONNX 版本已通过仓库工作流的一致性校验(见下文)。

在仓库中验证与运行该模型

获取模型文件

由于 ONNX 模型体积较大,仓库使用 Git LFS 管理二进制文件。根据根 README.md 的说明,可按需拉取单个模型:

# 先安装 Git LFS
pip install git-lfs

# 拉取单个模型(以 Opset 9 版本为例)
git lfs pull --include="validated/vision/classification/rcnn_ilsvrc13/model/rcnn-ilsvrc13-9.onnx" --exclude=""

# 或一次性拉取仓库全部模型
git lfs pull --include="*" --exclude=""

注意:仓库根 README.md 顶部有 Deprecation Notice,说明该 ONNX Model Zoo 仓库已转为历史存档性质,自 2025 年 7 月 1 日起不再提供 LFS 下载;模型文件仍可通过 Hugging Face 上的 onnxmodelzoo 获取。本文以当前仓库内实际文件为准进行介绍。

自动化一致性校验

仓库的 validated/workflow_scripts/test_models.py 提供了完整的模型验证工作流:

  • 遍历 text、vision 目录下的 .onnx 与 .tar.gz 文件;
  • 对 .tar.gz:先用 ONNX Runtime 运行 test_data_set_* 并比对输出,再用 onnx.checker 校验模型结构合法性;
  • 对独立的 .onnx:直接运行 ONNX checker;
  • 可通过命令行参数控制目标后端(--target onnx|onnxruntime|all)、是否覆盖测试全部模型(--all_models)等。

R-CNN ILSVRC13 正位于该工作流扫描的 vision/classification 路径下,因而其 5 个版本均已纳入仓库的自动校验范围。

使用测试数据自行验证(参考代码)

按根 README.md 提供的示例,可用如下思路加载模型与测试数据并比对输出(将 onnx_backend 替换为你选用的 ONNX 推理框架):

import numpy as np
import onnx
import os
import glob
import onnx_backend as backend

from onnx import numpy_helper

model = onnx.load('rcnn-ilsvrc13-9.onnx')
test_data_dir = 'test_data_set_0'

# 加载输入
inputs = []
inputs_num = len(glob.glob(os.path.join(test_data_dir, 'input_*.pb')))
for i in range(inputs_num):
    input_file = os.path.join(test_data_dir, 'input_{}.pb'.format(i))
    tensor = onnx.TensorProto()
    with open(input_file, 'rb') as f:
        tensor.ParseFromString(f.read())
    inputs.append(numpy_helper.to_array(tensor))

# 加载参考输出
ref_outputs = []
ref_outputs_num = len(glob.glob(os.path.join(test_data_dir, 'output_*.pb')))
for i in range(ref_outputs_num):
    output_file = os.path.join(test_data_dir, 'output_{}.pb'.format(i))
    tensor = onnx.TensorProto()
    with open(output_file, 'rb') as f:
        tensor.ParseFromString(f.read())
    ref_outputs.append(numpy_helper.to_array(tensor))

# 运行模型并与参考输出对比
outputs = list(backend.run_model(model, inputs))
for ref_o, o in zip(ref_outputs, outputs):
    np.testing.assert_almost_equal(ref_o, o)

许可

本模型目录采用 BSD-3-Clause 许可,详见 validated/vision/classification/rcnn_ilsvrc13/LICENSE;仓库根目录整体遵循 Apache-2.0(见 LICENSE)。使用时请留意两类许可的适用范围。

小结

  • R-CNN ILSVRC13 是 ONNX Model Zoo 中一个"检测网络改造为分类网络"的经典样例:将 R-CNN 的 SVM 分类器移植为 fc-rcnn 层后导出为 ONNX,输入 [1, 3, 224, 224] 图像,输出 200 类打分;
  • 仓库提供 5 个 Opset 版本(3/6/7/8/9)与 6 组样例测试数据,可通过 ONNX_HUB_MANIFEST.json 核对 SHA 与 I/O 端口;
  • 预处理/后处理可复用 imagenet_preprocess.py 与 imagenet_postprocess.py;
  • 可通过 test_models.py 工作流或测试数据比对脚本,在任何支持 ONNX 的后端上完成一致性验证。
登录后查看全文
models