fasterrcnn_mobilenet_v3_large_320_fpn¶
- torchvision.models.detection.fasterrcnn_mobilenet_v3_large_320_fpn(*, weights: Optional[FasterRCNN_MobileNet_V3_Large_320_FPN_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[MobileNet_V3_Large_Weights] = MobileNet_V3_Large_Weights.IMAGENET1K_V1, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) FasterRCNN [源代码]¶
具有 MobileNetV3-Large 骨干网络的低分辨率 Faster R-CNN 模型,针对移动用例进行了调整。
警告
检测模块处于 Beta 阶段,不保证向后兼容性。
它的工作原理类似于具有 ResNet-50 FPN 骨干网络的 Faster R-CNN。有关更多详细信息,请参阅
fasterrcnn_resnet50_fpn()
。示例
>>> model = torchvision.models.detection.fasterrcnn_mobilenet_v3_large_320_fpn(weights=FasterRCNN_MobileNet_V3_Large_320_FPN_Weights.DEFAULT) >>> model.eval() >>> x = [torch.rand(3, 300, 400), torch.rand(3, 500, 400)] >>> predictions = model(x)
- 参数:
weights (
FasterRCNN_MobileNet_V3_Large_320_FPN_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FasterRCNN_MobileNet_V3_Large_320_FPN_Weights
。默认情况下,不使用任何预训练权重。progress (布尔值,可选) – 如果为 True,则将下载进度条显示到 stderr。默认为 True。
num_classes (整数,可选) – 模型的输出类别数(包括背景)
weights_backbone (
MobileNet_V3_Large_Weights
,可选) – 骨干网络的预训练权重。trainable_backbone_layers (整数,可选) – 从最后一个块开始的可训练(未冻结)层数。有效值为 0 到 6 之间,其中 6 表示所有骨干网络层都可训练。如果传递
None
(默认值),则此值设置为 3。**kwargs – 传递给
torchvision.models.detection.faster_rcnn.FasterRCNN
基类的参数。有关此类的更多详细信息,请参阅 源代码。
- 类 torchvision.models.detection.FasterRCNN_MobileNet_V3_Large_320_FPN_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。FasterRCNN_MobileNet_V3_Large_320_FPN_Weights.DEFAULT
等效于FasterRCNN_MobileNet_V3_Large_320_FPN_Weights.COCO_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='COCO_V1'
。FasterRCNN_MobileNet_V3_Large_320_FPN_Weights.COCO_V1:
这些权重是通过遵循与论文中类似的训练方案生成的。也称为
FasterRCNN_MobileNet_V3_Large_320_FPN_Weights.DEFAULT
。box_map(在 COCO-val2017 上)
22.8
类别
__background__,person,bicycle,…(省略 88 个)
min_size
height=1,width=1
num_params
19386354
配方
GFLOPS
0.72
文件大小
74.2 MB
推理变换可在
FasterRCNN_MobileNet_V3_Large_320_FPN_Weights.COCO_V1.transforms
中找到,并执行以下预处理操作:接受PIL.Image
、批处理(B, C, H, W)
和单个(C, H, W)
图像torch.Tensor
对象。图像被重新缩放至[0.0, 1.0]
。