Open Model Zoo 模型贡献指南：技术规范与最佳实践

前言

Open Model Zoo 作为 OpenVINO™ 生态系统的重要组成部分，为开发者提供了丰富的预训练模型库。本文将深入解析如何向模型库贡献新模型的技术规范与流程要点，帮助开发者高效完成模型贡献。

模型贡献的技术要求

1. 模型格式与框架支持

当前支持以下框架的模型贡献：

• TensorFlow 模型（.pb 或 SavedModel 格式）
• PyTorch 模型（需转换为 ONNX 格式）
• 原生 ONNX 模型

需要注意的是，所有贡献模型最终都需要转换为 OpenVINO 的 IR（Intermediate Representation）格式，包含 .xml（网络结构）和 .bin（权重参数）两个文件。

2. 许可要求

模型必须采用以下许可之一：

• MIT 许可证
• Apache 2.0 许可证
• BSD-3-Clause 许可证

GPL 等限制性较强的许可证将不被接受。

技术实现细节

1. 模型配置文件规范

每个模型必须包含 model.yml 配置文件，主要结构如下：

description: >-
  模型详细描述（需与README一致）
task_type: 模型任务类型（如classification/detection等）
files:
  - name: 文件名
    size: 文件大小（字节）
    checksum: sha384校验和
    source: 下载链接或Google Drive信息
input_info:
  - name: 输入节点名称
    shape: 输入形状
    layout: 数据布局（如NHWC）
model_optimizer_args:
  - 模型优化器参数列表
framework: 原始框架（tf/pytorch/onnx）
license: 许可证URL

关键参数说明：

• checksum 可通过 sha384sum 命令生成
• model_optimizer_args 需包含完整的转换参数
• input_info 必须准确描述输入张量的形状和布局

2. 模型转换要点

模型转换时需特别注意：

1. 图像预处理参数（均值/缩放）应内置到模型中
2. 输入为彩色图像时，通道顺序应为 BGR
3. 对于 PyTorch 模型，需先转换为 ONNX 格式

典型转换参数示例：

model_optimizer_args:
  - --mean_values=data[127.5]
  - --scale_values=data[127.5]
  - --reverse_input_channels
  - --output=prob
  - --input_model=$dl_dir/model.onnx

3. 精度验证配置

精度验证配置文件需包含：

models:
  - name: 模型名称
    launchers:
      - framework: openvino
        adapter: 适配器类型
    datasets:
      - name: 数据集名称
        preprocessing: 预处理流程
        postprocessing: 后处理流程
        metrics: 评估指标

关键点：

• 需指定参考精度值（reference）
• 预处理/后处理流程需与实际推理流程一致
• 使用标准评估指标（如COCO mAP）

文档规范

README.md 文档必须包含以下技术内容：

1. 模型描述

   • 模型用途与特点
   • 原始论文或实现参考

2. 技术规格

   • 模型类型（分类/检测等）
   • 计算量（GFLOPs）
   • 参数量

3. 输入输出规范

   • 原始模型输入输出格式
   • 转换后IR模型的输入输出格式

4. 评估结果

   • 验证数据集说明
   • 主要精度指标

最佳实践建议

1. 模型命名规范

   • 使用小写字母
   • 以连字符"-"分隔单词
   • 包含框架标识后缀（如-resnet50-pytorch）

2. 文件组织

   models/public/<model_name>/
   ├── model.yml
   ├── README.md
   └── accuracy-check.yml
   

3. 测试验证

   • 确保模型可下载、可转换
   • 验证推理结果正确性
   • 通过精度验证测试

4. Demo开发

   • 支持标准命令行参数
   • 包含使用说明文档
   • 遵循项目命名规范（以_demo结尾）

常见问题处理

1. 下载问题

   • 确保下载链接稳定
   • Google Drive文件需提供完整ID
   • 大文件需提供校验信息

2. 转换失败

   • 检查输入形状定义
   • 验证框架版本兼容性
   • 确认特殊算子支持情况

3. 精度差异

   • 核对预处理流程
   • 检查后处理实现
   • 验证评估指标计算方式

通过遵循这些技术规范和最佳实践，开发者可以高效地向 Open Model Zoo 贡献高质量的模型，丰富 OpenVINO™ 生态系统的模型资源。