快捷方式

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[源代码]

使用 ResNet-50-FPN 主干构建改进的 Faster R-CNN 模型,来自 使用视觉 Transformer 对检测迁移学习进行基准测试 论文。

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 主干的 Faster R-CNN。有关更多详细信息,请参阅 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,请参阅下面的 FasterRCNN_ResNet50_FPN_V2_Weights。默认情况下,不使用任何预训练权重。

  • progress (bool, 可选) – 如果为 True,则将下载进度条显示到 stderr。默认值为 True。

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

  • weights_backbone (ResNet50_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),则该值将设置为 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,请参考 源代码

class torchvision.models.detection.FasterRCNN_ResNet50_FPN_V2_Weights(value)[源代码]

上面的模型构建器接受以下值作为 weights 参数。 FasterRCNN_ResNet50_FPN_V2_Weights.DEFAULT 等效于 FasterRCNN_ResNet50_FPN_V2_Weights.COCO_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='COCO_V1'

FasterRCNN_ResNet50_FPN_V2_Weights.COCO_V1:

这些权重是使用增强的训练方法生成的,以提高模型精度。也可以作为 FasterRCNN_ResNet50_FPN_V2_Weights.DEFAULT 使用。

box_map(在 COCO-val2017 上)

46.7

类别

__background__, person, bicycle, … (88 个省略)

min_size

height=1, width=1

num_params

43712278

recipe

link

GFLOPS

280.37

文件大小

167.1 MB

推理转换在 FasterRCNN_ResNet50_FPN_V2_Weights.COCO_V1.transforms 中可用,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