inference-engine/tools/calibration_tool/configs/unet2d.yml

   1 models:
   2   - name: UNet_2D
   3
   4     # list of launchers for your topology.
   5     launchers:
   6         # launcher framework (e.g. caffe, dlsdk)
   7       - framework: dlsdk
   8         # device for infer (e.g. for dlsdk cpu, gpu, hetero:cpu, gpu ...)
   9         device: CPU
  10         # topology IR (*.prototxt for caffe, *.xml for InferenceEngine, etc)
  11         # path to topology is prefixed with directory, specified in "-m/--models" option
  12         model: model.ckpt.xml
  13         # topology weights binary (*.caffemodel for caffe, *.bin for InferenceEngine)
  14         weights: model.ckpt.bin
  15         # launcher returns raw result, so it should be converted
  16         # to an appropriate representation with adapter
  17         adapter: brain_tumor_segmentation
  18         cpu_extensions: AUTO
  19
  20     # metrics, preprocessing and postprocessing are typically dataset specific, so dataset field
  21     # specifies data and all other steps required to validate topology
  22     # there is typically definitions file, which contains options for common datasets and which is merged
  23     # during evaluation, but since "sample_dataset" is not used anywhere else, this config contains full definition
  24     datasets:
  25       # uniquely distinguishable name for dataset
  26       # note that all other steps are specific for this dataset only
  27       # if you need to test topology on multiple datasets, you need to specify
  28       # every step explicitly for each dataset
  29       - name: brats
  30         data_source: Task01_BrainTumour
  31         # directory where input images are searched.
  32         # prefixed with directory specified in "-s/--source" option
  33         # name of converted annotation file (specified in -a option during annotation conversion)
  34         # prefixed with directory specified in "-a/--annotations" option
  35         annotation: annotations/unet/calibration/brats.pickle
  36
  37         reader: nifti_reader
  38         preprocessing:
  39           - type: crop3d
  40             size: 128
  41           - type: normalize3d
  42
  43         postprocessing:
  44           - type: crop_segmentation_mask
  45             apply_to: annotation
  46             size: 128
  47           - type: clip_segmentation_mask
  48             apply_to: annotation
  49             max_value: 1
  50
  51         # list of metrics, calculated on dataset
  52         metrics:
  53           - type: dice
  54             presenter: return_value