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]¶
Mask R-CNN 模型,使用来自 Mask R-CNN 论文的 ResNet-50-FPN 主干网络。
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,应在0-1
范围内。不同的图像可以具有不同的尺寸。模型的行为取决于它是在训练模式还是评估模式下。
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]
):以[x1, y1, x2, y2]
格式表示的真值框,其中0 <= x1 < x2 <= W
和0 <= y1 < y2 <= H
。标签 (
Int64Tensor[N]
):每个真值框的类别标签掩码 (
UInt8Tensor[N, H, W]
):每个实例的分割二进制掩码
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,以及掩码损失。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,结果为一个
List[Dict[Tensor]]
,每个输入图像一个。Dict
的字段如下所示,其中N
是检测到的实例数框 (
FloatTensor[N, 4]
):以[x1, y1, x2, y2]
格式表示的预测框,其中0 <= x1 < x2 <= W
和0 <= y1 < y2 <= H
。标签 (
Int64Tensor[N]
):每个实例的预测标签分数 (
Tensor[N]
):每个实例的分数掩码 (
UInt8Tensor[N, 1, H, W]
):每个实例的预测掩码,范围为0-1
。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
)
有关输出和如何绘制掩码的更多详细信息,请参考 实例分割模型。
Mask R-CNN 可以导出到 ONNX,以固定批次大小和固定尺寸的输入图像进行处理。
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:
权重 (
MaskRCNN_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,请参阅MaskRCNN_ResNet50_FPN_Weights
。默认情况下,不使用任何预训练权重。进度 (布尔值, 可选) – 如果为 True,则将下载进度条显示到标准错误输出。默认为 True。
类别数 (整数, 可选) – 模型的输出类别数(包括背景)
权重骨干网络 (
ResNet50_Weights
, 可选) – 骨干网络的预训练权重。可训练骨干网络层数 (整数, 可选) – 从最终块开始的可训练(未冻结)层数。有效值为 0 到 5,其中 5 表示所有骨干网络层都可训练。如果传递
None
(默认值),则此值将设置为 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)[source]¶
上面的模型构建器接受以下值作为
weights
参数。MaskRCNN_ResNet50_FPN_Weights.DEFAULT
等效于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类似的训练方法生成的。也可以作为
MaskRCNN_ResNet50_FPN_Weights.DEFAULT
使用。box_map (在 COCO-val2017 上)
37.9
mask_map (在 COCO-val2017 上)
34.6
类别
__background__, person, bicycle, … (省略 88 个)
最小尺寸
高度 = 1, 宽度 = 1
参数数量
44401393
配方
GFLOPS
134.38
文件大小
169.8 MB
推理转换可以在
MaskRCNN_ResNet50_FPN_Weights.COCO_V1.transforms
中找到,并执行以下预处理操作:接受PIL.Image
、批处理(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
的示例可视化工具