retinanet_resnet50_fpn

torchvision.models.detection.retinanet_resnet50_fpn(*, weights: Optional[RetinaNet_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) → RetinaNet

使用 ResNet-50-FPN 主干构建 RetinaNet 模型。

警告

检测模块处于 Beta 阶段，向后兼容性无法保证。

参考：密集物体检测的 Focal Loss.

模型的输入预期为张量列表，每个张量的形状为 [C, H, W]，每个图像一个，并且应该在 0-1 范围内。不同的图像可以具有不同的尺寸。

模型的行为会根据其处于训练模式还是评估模式而改变。

在训练期间，模型期望输入张量和目标（字典列表），其中包含

• 框 (FloatTensor[N, 4]): 以 [x1, y1, x2, y2] 格式表示的真实框，其中 0 <= x1 < x2 <= W 和 0 <= y1 < y2 <= H.

• 标签 (Int64Tensor[N]): 每个真实框的类别标签

模型在训练期间返回一个 Dict[Tensor]，其中包含分类和回归损失。

在推理期间，模型只需要输入张量，并返回后处理的预测结果，作为 List[Dict[Tensor]]，每个输入图像一个。 Dict 的字段如下，其中 N 是检测的数量

• 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]): 每个检测的预测标签

• 得分 (Tensor[N]): 每个检测的得分

有关输出的更多详细信息，您可以参考实例分割模型.

示例

>>> model = torchvision.models.detection.retinanet_resnet50_fpn(weights=RetinaNet_ResNet50_FPN_Weights.DEFAULT)
>>> model.eval()
>>> x = [torch.rand(3, 300, 400), torch.rand(3, 500, 400)]
>>> predictions = model(x)

参数：

• weights (RetinaNet_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，请参阅下面的RetinaNet_ResNet50_FPN_Weights。默认情况下，不使用任何预训练权重。

• progress (布尔值) – 如果为 True，则在 stderr 上显示下载进度条。默认值为 True。

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

• weights_backbone (ResNet50_Weights, 可选) – 主干的预训练权重。

• 可训练主干层 (int, optional) – 从最后一个块开始的可训练（未冻结）层数。有效值介于 0 到 5 之间，其中 5 表示所有主干层都可训练。如果传递 None（默认值），则此值将设置为 3。

• **kwargs** – 传递给 torchvision.models.detection.RetinaNet 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.RetinaNet_ResNet50_FPN_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 RetinaNet_ResNet50_FPN_Weights.DEFAULT 等效于 RetinaNet_ResNet50_FPN_Weights.COCO_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='COCO_V1'。

RetinaNet_ResNet50_FPN_Weights.COCO_V1:

这些权重是通过遵循与论文中类似的训练配方生成的。也可以用作 RetinaNet_ResNet50_FPN_Weights.DEFAULT。

box_map (on COCO-val2017)	36.4
categories	__background__, person, bicycle, … (88 omitted)
min_size	height=1, width=1
num_params	34014999
recipe	link
GFLOPS	151.54
File size	130.3 MB

推理转换在 RetinaNet_ResNet50_FPN_Weights.COCO_V1.transforms 中可用，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]。