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[来源]¶
基于 ResNet-50-FPN 主干网络的 Faster R-CNN 模型，出自论文Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks。
警告
检测模块目前处于 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]，对应每张图像，且值应在0-1范围内。不同图像可以有不同尺寸。模型的行为会根据其处于训练模式还是评估模式而改变。
训练期间，模型期望输入张量以及一个目标（字典列表），包含：
boxes (
FloatTensor[N, 4]): 真实边界框，格式为[x1, y1, x2, y2]，其中0 <= x1 < x2 <= W且0 <= y1 < y2 <= H。labels (
Int64Tensor[N]): 每个真实边界框的类别标签
训练期间，模型返回一个
Dict[Tensor]，包含 RPN 和 R-CNN 的分类和回归损失。推理期间，模型只需要输入张量，并返回后处理的预测结果，格式为
List[Dict[Tensor]]，每个输入图像对应一个。该Dict的字段如下所示，其中N是检测到的数量：boxes (
FloatTensor[N, 4]): 预测的边界框，格式为[x1, y1, x2, y2]，其中0 <= x1 < x2 <= W且0 <= y1 < y2 <= H。labels (
Int64Tensor[N]): 每个检测结果的预测标签scores (
Tensor[N]): 每个检测结果的置信度得分
有关输出的更多详细信息，请参阅实例分割模型。
Faster R-CNN 可以导出为 ONNX 格式，适用于固定批量大小和固定尺寸的输入图像。
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，请参阅下方的FasterRCNN_ResNet50_FPN_Weights。默认情况下，不使用预训练权重。progress (bool, 可选) – 如果为 True，则在标准错误输出中显示下载进度条。默认为 True。
num_classes (int, 可选) – 模型的输出类别数量（包括背景类）
weights_backbone (
ResNet50_Weights, 可选) – 主干网络的预训练权重。trainable_backbone_layers (int, 可选) – 从最后一个块开始计算的可训练（未冻结）层数。有效值在 0 到 5 之间，其中 5 表示所有主干网络层都可训练。如果传入
None（默认值），则该值设为 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，请参阅其源代码。
- class torchvision.models.detection.FasterRCNN_ResNet50_FPN_Weights(value)[来源]¶
上面的模型构建器接受以下值作为
weights参数。FasterRCNN_ResNet50_FPN_Weights.DEFAULT等同于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:
这些权重是通过遵循与论文中相似的训练方案生成的。也可通过
FasterRCNN_ResNet50_FPN_Weights.DEFAULT获取。box_map (在 COCO-val2017 上)
37.0
类别
__background__, person, bicycle, ... (省略 88 项)
最小尺寸
高度=1，宽度=1
参数数量
41755286
方案
GFLOPS
134.38
文件大小
159.7 MB
推理变换可通过
FasterRCNN_ResNet50_FPN_Weights.COCO_V1.transforms获取，并执行以下预处理操作：接受PIL.Image、批量(B, C, H, W)和单张(C, H, W)图像的torch.Tensor对象。图像将被缩放到[0.0, 1.0]范围。
使用
fasterrcnn_resnet50_fpn的示例
