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。
- 类 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'
或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
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]
。