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'
或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
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]
。