mc3_18¶
- torchvision.models.video.mc3_18(*, weights: Optional[MC3_18_Weights] = None, progress: bool = True, **kwargs: Any) VideoResNet[source]¶
构建 18 层混合卷积网络，如
警告
视频模块处于 Beta 阶段，不保证向下兼容。
参考：A Closer Look at Spatiotemporal Convolutions for Action Recognition。
- 参数:
weights (
MC3_18_Weights, 可选) – 要使用的预训练权重。详情及可选值请参见下方的MC3_18_Weights。默认情况下不使用预训练权重。progress (bool) – 如果为 True，则向标准错误输出显示下载进度条。默认为 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.MC3_18_Weights(value)[source]¶
上述模型构建器接受以下值作为
weights参数。MC3_18_Weights.DEFAULT等同于MC3_18_Weights.KINETICS400_V1。您也可以使用字符串，例如weights='DEFAULT'或weights='KINETICS400_V1'。MC3_18_Weights.KINETICS400_V1:
这些权重与论文中的准确率非常接近。准确率是根据视频级别估算的，使用的参数为 frame_rate=15、clips_per_video=5 和 clip_len=16。也可通过
MC3_18_Weights.DEFAULT获取。acc@1 (在 Kinetics-400 上)
63.96
acc@5 (在 Kinetics-400 上)
84.13
最小尺寸
height=1, width=1
类别
绳降、空气击鼓、回答问题，... (省略 397 个)
方法
参数数量
11695440
GFLOPS
43.34
文件大小
44.7 MB
推理转换可在
MC3_18_Weights.KINETICS400_V1.transforms中找到，并执行以下预处理操作：接受批量(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重塑为resize_size=[128, 171]，接着进行中心裁剪crop_size=[112, 112]。最后，值首先缩放到[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。最后将输出维度转换为(..., C, T, H, W)张量。
