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

构建一个带有 ResNet-50-FPN 主干网络的 RetinaNet 模型。

警告

检测模块处于 Beta 阶段，不保证向后兼容性。

参考：密集目标检测的 Focal Loss。

模型的输入预期为一个张量列表，每个张量的形状为 [C, H, W]，代表一张图像，其值应在 0-1 范围内。不同图像可以有不同的大小。

模型的行为取决于其处于训练模式还是评估模式。

在训练期间，模型需要输入张量和目标（字典列表），目标包含：

• boxes（FloatTensor[N, 4]）：ground-truth 框，格式为 [x1, y1, x2, y2]，其中 0 <= x1 < x2 <= W 且 0 <= y1 < y2 <= H。

• labels（Int64Tensor[N]）：每个 ground-truth 框的类别标签

在训练期间，模型返回一个 Dict[Tensor]，包含分类损失和回归损失。

在推理期间，模型只需要输入张量，并返回后处理后的预测结果，格式为 List[Dict[Tensor]]，每个输入图像对应一个。Dict 的字段如下，其中 N 为检测到的数量：

• boxes（FloatTensor[N, 4]）：预测框，格式为 [x1, y1, x2, y2]，其中 0 <= x1 < x2 <= W 且 0 <= y1 < y2 <= H。

• labels（Int64Tensor[N]）：每个检测结果的预测标签

• scores（Tensor[N]）：每个检测结果的得分

有关输出的更多详细信息，请参阅 Instance segmentation models。

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，不使用预训练权重。

• progress (bool) – 如果为 True，则向 stderr 显示下载进度条。默认值为 True。

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

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

• trainable_backbone_layers (int, 可选) – 从最终块开始的可训练（未冻结）层数。有效值在 0 到 5 之间，其中 5 表示所有主干网络层都可训练。如果传入 None（默认值），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方案生成的。也可作为 RetinaNet_ResNet50_FPN_Weights.DEFAULT 使用。

box_map（在 COCO-val2017 上）	36.4
类别	__background__, person, bicycle, … （省略 88 个）
最小尺寸	height=1, width=1
参数数量	34014999
训练方案	链接
GFLOPS	151.54
文件大小	130.3 MB

推理变换可在 RetinaNet_ResNet50_FPN_Weights.COCO_V1.transforms 找到，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。图像被重新缩放到 [0.0, 1.0] 范围。