fasterrcnn_resnet50_fpn_v2¶
- torchvision.models.detection.fasterrcnn_resnet50_fpn_v2(*, weights: Optional[FasterRCNN_ResNet50_FPN_V2_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[ResNet50_Weights] = None, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) FasterRCNN[source]¶
根据《使用视觉 Transformer 对检测迁移学习进行基准测试》论文，构建了一个改进的 Faster R-CNN 模型，该模型具有 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。
它的工作方式与带有 ResNet-50 FPN 主干网络的 Faster R-CNN 类似。更多详细信息请参见
fasterrcnn_resnet50_fpn()。- 参数：
weights (
FasterRCNN_ResNet50_FPN_V2_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，请参见下方的FasterRCNN_ResNet50_FPN_V2_Weights。默认情况下，不使用预训练权重。progress (bool, 可选) – 如果为 True，则向标准错误输出显示下载进度条。默认为 True。
num_classes (int, 可选) – 模型输出类别的数量（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) – 从最后一个块开始的可训练（未冻结）层数。有效值范围在 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），此值将被设置为 3。**kwargs – 传递给
torchvision.models.detection.faster_rcnn.FasterRCNN基类的参数。有关此类别的更多详细信息，请参阅源代码。
- class torchvision.models.detection.FasterRCNN_ResNet50_FPN_V2_Weights(value)[source]¶
上述模型构建器接受以下值作为
weights参数。FasterRCNN_ResNet50_FPN_V2_Weights.DEFAULT等同于FasterRCNN_ResNet50_FPN_V2_Weights.COCO_V1。您也可以使用字符串，例如weights='DEFAULT'或weights='COCO_V1'。FasterRCNN_ResNet50_FPN_V2_Weights.COCO_V1:
这些权重是使用改进的训练策略生成的，以提高模型准确性。也可通过
FasterRCNN_ResNet50_FPN_V2_Weights.DEFAULT获取。box_map (在 COCO-val2017 上)
46.7
类别
__background__, person, bicycle, ... (省略了 88 个)
min_size
height=1, width=1
num_params
43712278
训练策略
GFLOPS
280.37
文件大小
167.1 MB
推理转换可通过
FasterRCNN_ResNet50_FPN_V2_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)和单个(C, H, W)图像torch.Tensor对象。图像被重新缩放到[0.0, 1.0]。
