fasterrcnn_resnet50_fpn¶
- torchvision.models.detection.fasterrcnn_resnet50_fpn(*, weights: Optional[FasterRCNN_ResNet50_FPN_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[ResNet50_Weights] = ResNet50_Weights.IMAGENET1K_V1, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) FasterRCNN [源代码]¶
Faster R-CNN 模型,使用来自 Faster R-CNN:通过区域提议网络实现实时目标检测 论文的 ResNet-50-FPN 主干网络。
警告
检测模块处于 Beta 阶段,不保证向后兼容性。
模型的输入应为张量列表,每个张量的形状为
[C, H, W]
,每个图像一个,且应在0-1
范围内。不同的图像可以具有不同的尺寸。模型的行为取决于其是否处于训练或评估模式。
在训练期间,模型需要输入张量和目标(字典列表),其中包含
边界框(
FloatTensor[N, 4]
):以[x1, y1, x2, y2]
格式表示的真实边界框,其中0 <= x1 < x2 <= W
且0 <= y1 < y2 <= H
。标签(
Int64Tensor[N]
):每个真实边界框的类别标签
模型在训练期间返回一个
Dict[Tensor]
,其中包含 RPN 和 R-CNN 的分类和回归损失。在推理期间,模型仅需要输入张量,并将后处理后的预测结果作为
List[Dict[Tensor]]
返回,每个输入图像一个。Dict
的字段如下所示,其中N
是检测的数量边界框(
FloatTensor[N, 4]
):以[x1, y1, x2, y2]
格式表示的预测边界框,其中0 <= x1 < x2 <= W
且0 <= y1 < y2 <= H
。标签(
Int64Tensor[N]
):每个检测的预测标签分数(
Tensor[N]
):每个检测的分数
有关输出的更多详细信息,您可以参考 实例分割模型。
Faster R-CNN 可导出到 ONNX,用于具有固定尺寸输入图像的固定批次大小。
示例
>>> model = torchvision.models.detection.fasterrcnn_resnet50_fpn(weights=FasterRCNN_ResNet50_FPN_Weights.DEFAULT) >>> # For training >>> images, boxes = torch.rand(4, 3, 600, 1200), torch.rand(4, 11, 4) >>> boxes[:, :, 2:4] = boxes[:, :, 0:2] + boxes[:, :, 2:4] >>> labels = torch.randint(1, 91, (4, 11)) >>> images = list(image for image in images) >>> targets = [] >>> for i in range(len(images)): >>> d = {} >>> d['boxes'] = boxes[i] >>> d['labels'] = labels[i] >>> targets.append(d) >>> output = model(images, targets) >>> # For inference >>> model.eval() >>> x = [torch.rand(3, 300, 400), torch.rand(3, 500, 400)] >>> predictions = model(x) >>> >>> # optionally, if you want to export the model to ONNX: >>> torch.onnx.export(model, x, "faster_rcnn.onnx", opset_version = 11)
- 参数:
weights (
FasterRCNN_ResNet50_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_ResNet50_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,则在 stderr 中显示下载进度条。默认为 True。
num_classes (整数,可选) – 模型的输出类别数(包括背景)
weights_backbone (
ResNet50_Weights
,可选) – 主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 5 之间,其中 5 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_ResNet50_FPN_Weights(value)[source]¶
上述模型构建器接受以下值作为
weights
参数。FasterRCNN_ResNet50_FPN_Weights.DEFAULT
等效于FasterRCNN_ResNet50_FPN_Weights.COCO_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='COCO_V1'
。FasterRCNN_ResNet50_FPN_Weights.COCO_V1:
这些权重是根据与论文中类似的训练方案生成的。也可作为
FasterRCNN_ResNet50_FPN_Weights.DEFAULT
使用。box_map (在 COCO-val2017 上)
37.0
categories
__background__, person, bicycle, … (省略 88 个)
min_size
height=1, width=1
num_params
41755286
recipe
GFLOPS
134.38
文件大小
159.7 MB
推理变换可在
FasterRCNN_ResNet50_FPN_Weights.COCO_V1.transforms
中获取,并执行以下预处理操作:接受PIL.Image
、批处理的(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]
。
使用
fasterrcnn_resnet50_fpn
的示例将掩码重新用于边界框可视化工具