r2plus1d_18

torchvision.models.video.r2plus1d_18(*, weights: Optional[R2Plus1D_18_Weights] = None, progress: bool = True, **kwargs: Any) → VideoResNet

构造 18 层深的 R(2+1)D 网络，如

警告

视频模块处于 Beta 阶段，向后兼容性无法保证。

参考: 深入研究时空卷积在动作识别中的应用.

参数:

• weights (R2Plus1D_18_Weights, 可选) – 要使用的预训练权重。有关更多详细信息和可能的值，请参阅下面的 R2Plus1D_18_Weights。默认情况下，不使用任何预训练权重。

• progress (bool) – 如果为 True，则将下载进度条显示到 stderr。默认值为 True。

• **kwargs – 传递给 torchvision.models.video.resnet.VideoResNet 基类的参数。有关此类的更多详细信息，请参阅 源代码。

class torchvision.models.video.R2Plus1D_18_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 R2Plus1D_18_Weights.DEFAULT 等效于 R2Plus1D_18_Weights.KINETICS400_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='KINETICS400_V1'。

R2Plus1D_18_Weights.KINETICS400_V1:

这些权重可以很好地复现论文中的精度。精度是在视频级别上估计的，参数为 frame_rate=15、clips_per_video=5 和 clip_len=16。也可以作为 R2Plus1D_18_Weights.DEFAULT 使用。

acc@1 (在 Kinetics-400 上)	67.463
acc@5 (在 Kinetics-400 上)	86.175
最小尺寸	height=1, width=1
类别	绳索下降、空中击鼓、回答问题、…（省略 397 个）
食谱	链接
参数数量	31505325
GFLOPS	40.52
文件大小	120.3 MB

推理变换可在 R2Plus1D_18_Weights.KINETICS400_V1.transforms 中找到，并执行以下预处理操作：接受批处理 (B, T, C, H, W) 和单个 (T, C, H, W) 视频帧 torch.Tensor 对象。帧使用 interpolation=InterpolationMode.BILINEAR 调整为 resize_size=[128, 171]，然后对 crop_size=[112, 112] 进行中心裁剪。最后，这些值首先被重新缩放到 [0.0, 1.0]，然后使用 mean=[0.43216, 0.394666, 0.37645] 和 std=[0.22803, 0.22145, 0.216989] 进行归一化。最后，输出维度被置换为 (..., C, T, H, W) 张量。