keypointrcnn_resnet50_fpn¶
- torchvision.models.detection.keypointrcnn_resnet50_fpn(*, weights: Optional[KeypointRCNN_ResNet50_FPN_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, num_keypoints: Optional[int] = None, weights_backbone: Optional[ResNet50_Weights] = ResNet50_Weights.IMAGENET1K_V1, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) KeypointRCNN[源代码]¶
使用 ResNet-50-FPN 主干构建关键点 R-CNN 模型。
警告
检测模块处于 Beta 阶段，不保证向后兼容性。
参考：Mask R-CNN.
模型的输入应为张量列表，每个张量的形状为
[C, H, W]，每个张量代表一张图像，并应在0-1范围内。不同的图像可以具有不同的尺寸。模型的行为根据其处于训练模式还是评估模式而有所不同。
在训练期间，模型需要输入张量和目标（字典列表），其中包含
框 (
FloatTensor[N, 4])：地面实况框，格式为[x1, y1, x2, y2]，其中0 <= x1 < x2 <= W且0 <= y1 < y2 <= H。标签 (
Int64Tensor[N])：每个地面实况框的类别标签关键点 (
FloatTensor[N, K, 3])：每个N个实例的K个关键点位置，格式为[x, y, visibility]，其中visibility=0表示关键点不可见。
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，以及关键点损失。在推理期间，模型只需要输入张量，并返回后处理后的预测结果，格式为
List[Dict[Tensor]]，每个输入图像对应一个字典。Dict的字段如下，其中N是检测到的实例数量框 (
FloatTensor[N, 4])：预测的框，格式为[x1, y1, x2, y2]，其中0 <= x1 < x2 <= W且0 <= y1 < y2 <= H。标签 (
Int64Tensor[N])：每个实例的预测标签分数 (
Tensor[N])：每个实例的分数关键点 (
FloatTensor[N, K, 3])：预测的关键点位置，格式为[x, y, v]。
有关输出的更多详细信息，请参阅 实例分割模型.
关键点 R-CNN 可以导出到 ONNX，用于固定大小的批次，输入图像大小固定。
示例
>>> model = torchvision.models.detection.keypointrcnn_resnet50_fpn(weights=KeypointRCNN_ResNet50_FPN_Weights.DEFAULT) >>> 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, "keypoint_rcnn.onnx", opset_version = 11)
- 参数：
权重 (
KeypointRCNN_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，请参见KeypointRCNN_ResNet50_FPN_Weights。默认情况下，不使用任何预训练权重。进度 (bool) – 如果为 True，则向 stderr 显示下载进度条
类别数 (int, 可选) – 模型的输出类别数（包括背景）
关键点数量 (int, 可选) – 关键点的数量
骨干权重 (
ResNet50_Weights, 可选) – 骨干的预训练权重。可训练骨干层 (int, 可选) – 从最终块开始的可训练（未冻结）层的数量。有效值为 0 到 5，其中 5 表示所有骨干层都是可训练的。如果传递
None（默认值），则此值将设置为 3。
- class torchvision.models.detection.KeypointRCNN_ResNet50_FPN_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights参数。KeypointRCNN_ResNet50_FPN_Weights.DEFAULT等效于KeypointRCNN_ResNet50_FPN_Weights.COCO_V1。您也可以使用字符串，例如weights='DEFAULT'或weights='COCO_LEGACY'。KeypointRCNN_ResNet50_FPN_Weights.COCO_LEGACY:
这些权重是通过遵循与论文中类似的训练方案生成的，但使用来自早期纪元的检查点。
box_map（在 COCO-val2017 上）
50.6
kp_map（在 COCO-val2017 上）
61.1
类别
无人物，人物
关键点名称
鼻子，左眼，右眼，…（省略 14 个）
最小尺寸
高度 = 1，宽度 = 1
参数数量
59137258
配方
GFLOPS
133.92
文件大小
226.1 MB
推理转换在
KeypointRCNN_ResNet50_FPN_Weights.COCO_LEGACY.transforms中可用，并执行以下预处理操作：接受PIL.Image、批次(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]。KeypointRCNN_ResNet50_FPN_Weights.COCO_V1:
这些权重是通过遵循与论文中类似的训练方案生成的。也可以作为
KeypointRCNN_ResNet50_FPN_Weights.DEFAULT使用。box_map（在 COCO-val2017 上）
54.6
kp_map（在 COCO-val2017 上）
65.0
类别
无人物，人物
关键点名称
鼻子，左眼，右眼，…（省略 14 个）
最小尺寸
高度 = 1，宽度 = 1
参数数量
59137258
配方
GFLOPS
137.42
文件大小
226.1 MB
推理转换在
KeypointRCNN_ResNet50_FPN_Weights.COCO_V1.transforms中可用，并执行以下预处理操作：接受PIL.Image、批次(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]。
使用
keypointrcnn_resnet50_fpn的示例
