FCN
import torch
model = torch.hub.load('pytorch/vision:v0.10.0', 'fcn_resnet50', pretrained=True)
# or
# model = torch.hub.load('pytorch/vision:v0.10.0', 'fcn_resnet101', pretrained=True)
model.eval()
所有预训练模型都要求输入图像以相同的方式进行归一化，即形状为 (N, 3, H, W) 的 3 通道 RGB 图像的迷你批次，其中 N 是图像数量，H 和 W 预计至少为 224 像素。图像必须加载到 [0, 1] 范围，然后使用 mean = [0.485, 0.456, 0.406] 和 std = [0.229, 0.224, 0.225] 进行归一化。
模型返回一个 OrderedDict，其中包含两个张量，它们与输入张量的高度和宽度相同，但有 21 个类别。output['out'] 包含语义掩码，output['aux'] 包含每个像素的辅助损失值。在推理模式下，output['aux'] 无用。因此，output['out'] 的形状为 (N, 21, H, W)。更多文档可在此处找到：https://pytorch.ac.cn/vision/stable/models.html#object-detection-instance-segmentation-and-person-keypoint-detection。
# Download an example image from the pytorch website
import urllib
url, filename = ("https://github.com/pytorch/hub/raw/master/images/deeplab1.png", "deeplab1.png")
try: urllib.URLopener().retrieve(url, filename)
except: urllib.request.urlretrieve(url, filename)
# sample execution (requires torchvision)
from PIL import Image
from torchvision import transforms
input_image = Image.open(filename)
input_image = input_image.convert("RGB")
preprocess = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])
input_tensor = preprocess(input_image)
input_batch = input_tensor.unsqueeze(0) # create a mini-batch as expected by the model
# move the input and model to GPU for speed if available
if torch.cuda.is_available():
input_batch = input_batch.to('cuda')
model.to('cuda')
with torch.no_grad():
output = model(input_batch)['out'][0]
output_predictions = output.argmax(0)
这里的输出形状为 (21, H, W)，在每个位置，都有对应于每个类别预测的未归一化概率。要获取每个类别的最大预测，并将其用于下游任务，您可以执行 output_predictions = output.argmax(0)。
这是一个小片段，它绘制了预测结果，每种颜色对应一个类别（参见左侧的可视化图像）。
# create a color pallette, selecting a color for each class
palette = torch.tensor([2 ** 25 - 1, 2 ** 15 - 1, 2 ** 21 - 1])
colors = torch.as_tensor([i for i in range(21)])[:, None] * palette
colors = (colors % 255).numpy().astype("uint8")
# plot the semantic segmentation predictions of 21 classes in each color
r = Image.fromarray(output_predictions.byte().cpu().numpy()).resize(input_image.size)
r.putpalette(colors)
import matplotlib.pyplot as plt
plt.imshow(r)
# plt.show()
模型描述
FCN-ResNet 是由一个全卷积网络模型构建的，使用 ResNet-50 或 ResNet-101 作为骨干网络。预训练模型已经在 COCO train2017 的子集上进行了训练，涉及 Pascal VOC 数据集中存在的 20 个类别。
在 COCO val2017 数据集上评估的预训练模型的准确度如下所示。
| 模型结构 | 平均 IOU | 全局像素级准确度 |
|---|---|---|
| fcn_resnet50 | 60.5 | 91.4 |
| fcn_resnet101 | 63.7 | 91.9 |
资源
