快捷方式

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 <= W0 <= 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 <= W0 <= 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'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

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源