快捷方式

maskrcnn_resnet50_fpn_v2

torchvision.models.detection.maskrcnn_resnet50_fpn_v2(*, weights: Optional[MaskRCNN_ResNet50_FPN_V2_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[ResNet50_Weights] = None, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) MaskRCNN[源代码]

改进的 Mask R-CNN 模型,具有来自使用视觉转换器的检测迁移学习基准测试论文的 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。

maskrcnn_resnet50_fpn() 了解更多详细信息。

参数:
  • weights (MaskRCNN_ResNet50_FPN_V2_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,请参见下面的MaskRCNN_ResNet50_FPN_V2_Weights。默认情况下,不使用任何预训练权重。

  • progress (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。

  • num_classes (整数可选) – 模型的输出类别数(包括背景)

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

  • trainable_backbone_layers (整数可选) – 从最后一个块开始的可训练(未冻结)层数。有效值为 0 到 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。有关此类的更多详细信息,请参阅源代码

torchvision.models.detection.MaskRCNN_ResNet50_FPN_V2_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_V2_Weights.DEFAULT 等效于 MaskRCNN_ResNet50_FPN_V2_Weights.COCO_V1。您也可以使用字符串,例如 weights='DEFAULT'weights='COCO_V1'

MaskRCNN_ResNet50_FPN_V2_Weights.COCO_V1:

这些权重是使用增强的训练方案生成的,以提高模型精度。也可以作为 MaskRCNN_ResNet50_FPN_V2_Weights.DEFAULT 使用。

box_map(在 COCO-val2017 上)

47.4

mask_map(在 COCO-val2017 上)

41.8

类别

__background__、person、bicycle、…(省略 88 个)

min_size

height=1、width=1

num_params

46359409

recipe

link

GFLOPS

333.58

文件大小

177.2 MB

推理转换在 MaskRCNN_ResNet50_FPN_V2_Weights.COCO_V1.transforms 中可用,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 (C, H, W) 图像 torch.Tensor 对象。图像将重新缩放至 [0.0, 1.0]

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