maskrcnn_resnet50_fpn¶

torchvision.models.detection.maskrcnn_resnet50_fpn(*, weights: Optional[MaskRCNN_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) → MaskRCNN[源代码]¶

来自 Mask R-CNN 论文的带有 ResNet-50-FPN 主干的 Mask R-CNN 模型。

警告

检测模块处于 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]，每个图像一个，并且应在 0-1 范围内。不同图像可以具有不同的大小。

模型的行为取决于它是在训练模式还是评估模式下。

在训练期间，模型期望输入张量和目标（字典列表），包含

boxes (FloatTensor[N, 4]): [x1, y1, x2, y2] 格式的 ground-truth 框，其中 0 <= x1 < x2 <= W 和 0 <= y1 < y2 <= H。

labels (Int64Tensor[N]): 每个 ground-truth 框的类别标签

masks (UInt8Tensor[N, H, W]): 每个实例的分割二元掩码

模型在训练期间返回 Dict[Tensor]，其中包含 RPN 和 R-CNN 的分类和回归损失，以及掩码损失。

在推理期间，模型仅需要输入张量，并将后处理的预测作为 List[Dict[Tensor]] 返回，每个输入图像一个。 Dict 的字段如下，其中 N 是检测到的实例数

boxes (FloatTensor[N, 4]): [x1, y1, x2, y2] 格式的预测框，其中 0 <= x1 < x2 <= W 和 0 <= y1 < y2 <= H。

labels (Int64Tensor[N]): 每个实例的预测标签

scores (Tensor[N]): 每个实例的分数

masks (UInt8Tensor[N, 1, H, W]): 每个实例的预测掩码，在 0-1 范围内。为了获得最终的分割掩码，可以对软掩码进行阈值处理，通常阈值为 0.5 (mask >= 0.5)

有关输出以及如何绘制掩码的更多详细信息，您可以参考实例分割模型。

Mask R-CNN 可导出到 ONNX，用于固定批次大小和固定大小的输入图像。

示例

>>> model = torchvision.models.detection.maskrcnn_resnet50_fpn(weights=MaskRCNN_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, "mask_rcnn.onnx", opset_version = 11)

参数:

weights (MaskRCNN_ResNet50_FPN_Weights, optional) – 要使用的预训练权重。有关更多详细信息和可能的值，请参见下面的 MaskRCNN_ResNet50_FPN_Weights。默认情况下，不使用预训练权重。
progress (bool, optional) – 如果为 True，则在 stderr 上显示下载进度条。默认为 True。
num_classes (int, optional) – 模型的输出类别数（包括背景）
weights_backbone (ResNet50_Weights, optional) – 主干网络的预训练权重。
trainable_backbone_layers (int, optional) – 从最后一个块开始的可训练（非冻结）层数。有效值介于 0 和 5 之间，其中 5 表示所有主干层都是可训练的。如果传递 None（默认值），则此值设置为 3。
**kwargs – 传递给 torchvision.models.detection.mask_rcnn.MaskRCNN 基类的参数。有关此类的更多详细信息，请参阅源代码。

class torchvision.models.detection.MaskRCNN_ResNet50_FPN_Weights(value)[源代码]¶

上面的模型构建器接受以下值作为 weights 参数。 MaskRCNN_ResNet50_FPN_Weights.DEFAULT 等同于 MaskRCNN_ResNet50_FPN_Weights.COCO_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='COCO_V1'。

MaskRCNN_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。也可作为 MaskRCNN_ResNet50_FPN_Weights.DEFAULT 使用。

box_map (在 COCO-val2017 上)	37.9
mask_map (在 COCO-val2017 上)	34.6
categories	__background__, person, bicycle, … (省略 88 个)
min_size	height=1, width=1
num_params	44401393
recipe	link
GFLOPS	134.38
文件大小	169.8 MB

推理转换可在 MaskRCNN_ResNet50_FPN_Weights.COCO_V1.transforms 中找到，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]。

使用 maskrcnn_resnet50_fpn 的示例

可视化实用程序

maskrcnn_resnet50_fpn¶

文档

教程

资源