GroundingDINO ONNX 模型规格说明

模型输入规格

• pixel_values: 图像输入

  • 形状: [batch, 3, height, width]
  • 数据类型: float32
  • 说明: 包含一批RGB图像数据，通道数固定为3

• input_ids: 文本输入ID

  • 形状: [batch, sequence]
  • 数据类型: int64
  • 说明: 文本提示的token ID序列

• attention_mask: 注意力掩码

  • 形状: [batch, sequence]
  • 数据类型: int64
  • 说明: 文本注意力掩码，标识有效位置

Dummy 输入Shape详情

• 图像输入Shape: (1, 3, 800, 800) (BCHW格式)
• 文本输入Shape: (1, 20)
• 通道数: 固定为3个通道(RGB)

模型主要输出规格

• logits: 分类置信度输出

  • 形状: [batch, -1, -1]
  • 数据类型: float32
  • 说明: 目标检测的分类置信度分数

• boxes: 边界框坐标输出

  • 形状: [batch, -1, 4]
  • 数据类型: float32
  • 说明: 检测框坐标，格式为(cx, cy, w, h)

中间层输出规格

• onnx::Unsqueeze_36492: 中间特征输出

  • 形状: [batch, -1, -1]
  • 数据类型: float32

• onnx::Unsqueeze_31907: 边界框相关输出

  • 形状: [batch, -1, 4]
  • 数据类型: float32

• onnx::Gather_36505: 特征聚集输出

  • 形状: [batch, 6, -1, -1]
  • 数据类型: float32

• onnx::Gather_36518: 边界框特征输出

  • 形状: [batch, 6, -1, 4]
  • 数据类型: float32

• onnx::Shape_31382: 形状信息输出

  • 形状: [batch, -1, -1]
  • 数据类型: float32

• onnx::Transpose_31057: 转置特征输出

  • 形状: [batch, -1, 256]
  • 数据类型: float32

• onnx::ReduceMax_31880: 最大值聚合输出

  • 形状: [batch, -1, -1]
  • 数据类型: float32

• onnx::GatherElements_31892: 元素聚集输出

  • 形状: [batch, -1, -1]
  • 数据类型: float32

• 32034: 中间计算结果

  • 形状: [batch, -1, -1]
  • 数据类型: float32

• 37339: 中间特征输出

  • 形状: [batch, -1]
  • 数据类型: float32

动态轴信息

模型支持以下动态维度：

• Batch维度: batch (可变)
• Height维度: height (可变)
• Width维度: width (可变)
• Sequence维度: sequence (可变)

ONNX模型属性

Opset版本

• ONNX Opset版本: 17

模型简化

• 是否简化: 是
• 简化工具: onnxsim