快捷方式

fasterrcnn_mobilenet_v3_large_fpn

torchvision.models.detection.fasterrcnn_mobilenet_v3_large_fpn(*, weights: Optional[FasterRCNN_MobileNet_V3_Large_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[source]

使用 MobileNetV3-Large FPN 主干构建高分辨率 Faster R-CNN 模型。

警告

检测模块处于测试阶段,向后兼容性不保证。

它的工作原理与具有 ResNet-50 FPN 主干的 Faster R-CNN 类似。有关更多详细信息,请参阅 fasterrcnn_resnet50_fpn()

示例

>>> model = torchvision.models.detection.fasterrcnn_mobilenet_v3_large_fpn(weights=FasterRCNN_MobileNet_V3_Large_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_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,请参见下面的 FasterRCNN_MobileNet_V3_Large_FPN_Weights。默认情况下,不使用任何预训练权重。

  • progress (bool可选) – 如果为 True,则在 stderr 中显示下载进度条。默认值为 True。

  • num_classes (int可选) – 模型的输出类别数(包括背景)

  • weights_backbone (MobileNet_V3_Large_Weights,可选) – 主干的预训练权重。

  • trainable_backbone_layers (int可选) – 从最后一个块开始的可训练(未冻结)层数。有效值介于 0 到 6 之间,其中 6 表示所有主干层都可训练。如果传递 None(默认值),则此值将设置为 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

class torchvision.models.detection.FasterRCNN_MobileNet_V3_Large_FPN_Weights(value)[source]

上面的模型构建器接受以下值作为 weights 参数。 FasterRCNN_MobileNet_V3_Large_FPN_Weights.DEFAULT 等效于 FasterRCNN_MobileNet_V3_Large_FPN_Weights.COCO_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='COCO_V1'

FasterRCNN_MobileNet_V3_Large_FPN_Weights.COCO_V1:

这些权重是通过遵循与论文中类似的训练配方而生成的。也可以用 FasterRCNN_MobileNet_V3_Large_FPN_Weights.DEFAULT 表示。

box_map(在 COCO-val2017 上)

32.8

类别

__background__、person、bicycle、…(省略 88 个)

min_size

height=1、width=1

num_params

19386354

配方

链接

GFLOPS

4.49

文件大小

74.2 MB

推理转换可在 FasterRCNN_MobileNet_V3_Large_FPN_Weights.COCO_V1.transforms 中找到,并执行以下预处理操作:接受 PIL.Image、批量 (B, C, H, W) 和单个 (C, H, W) 图像 torch.Tensor 对象。图像被重新缩放到 [0.0, 1.0]

文档

访问 PyTorch 的全面开发人员文档

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