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

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)

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	链接
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

可视化工具