快捷方式

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

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'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

链接

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]

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源