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

来自 Mask R-CNN 论文的、带有 ResNet-50-FPN 主干网络的 Mask R-CNN 模型。

警告

检测模块处于 Beta 阶段，不保证向后兼容性。

模型的输入应为一个张量列表，每个张量的形状为 [C, H, W]，分别对应每张图像，且值应在 0-1 范围内。不同图像可以具有不同大小。

模型的行为会根据其处于训练模式还是评估模式而改变。

在训练期间，模型需要输入张量和目标（字典列表），其中包含

• boxes (FloatTensor[N, 4]): 地面真实框，格式为 [x1, y1, x2, y2]，其中 0 <= x1 < x2 <= W 且 0 <= y1 < y2 <= H。

• labels (Int64Tensor[N]): 每个地面真实框的类别标签

• masks (UInt8Tensor[N, H, W]): 每个实例的分割二值掩码

在训练期间，模型返回一个 Dict[Tensor]，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，并返回后处理的预测结果，格式为 List[Dict[Tensor]]，列表中的每个字典对应一张输入图像。该 Dict 的字段如下，其中 N 为检测到的实例数量

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

• labels (Int64Tensor[N]): 每个实例的预测标签

• scores (Tensor[N]): 每个实例的得分

• masks (UInt8Tensor[N, 1, H, W]): 每个实例的预测掩码，值在 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，通常使用 0.5 (mask >= 0.5)。

有关输出以及如何绘制掩码的更多详细信息，请参阅 实例分割模型。

Mask R-CNN 可以导出到 ONNX，适用于固定批量大小和固定尺寸的输入图像。

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，请参阅下面的 MaskRCNN_ResNet50_FPN_Weights。默认情况下，不使用预训练权重。

• progress (bool, optional) – 如果为 True，则向标准错误输出显示下载进度条。默认为 True。

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

• weights_backbone (ResNet50_Weights, optional) – 主干网络的预训练权重。

• trainable_backbone_layers (int, optional) – 从最终块开始的可训练（未冻结）层数。有效值介于 0 和 5 之间，其中 5 表示所有主干网络层都可训练。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。有关此类别的更多详细信息，请参阅 源代码。

class torchvision.models.detection.MaskRCNN_ResNet50_FPN_Weights(value)

上述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法产生的。也可通过 MaskRCNN_ResNet50_FPN_Weights.DEFAULT 获得。

box_map (在 COCO-val2017 数据集上)	37.9
mask_map (在 COCO-val2017 数据集上)	34.6
类别	__background__、person、bicycle、…… (省略 88 项)
最小尺寸	height=1, width=1
参数数量	44401393
训练方法	链接
GFLOPS	134.38
文件大小	169.8 MB

推理变换可在 MaskRCNN_ResNet50_FPN_Weights.COCO_V1.transforms 中获得，并执行以下预处理操作：接受 PIL.Image、批处理的 (B, C, H, W) 和单个的 (C, H, W) 图像 torch.Tensor 对象。图像被缩放到 [0.0, 1.0]。

使用 maskrcnn_resnet50_fpn 的示例

可视化实用工具

可视化实用工具