retinanet_resnet50_fpn_v2¶
- torchvision.models.detection.retinanet_resnet50_fpn_v2(*, weights: Optional[RetinaNet_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) RetinaNet [source]¶
使用 ResNet-50-FPN 骨干网络构建改进的 RetinaNet 模型。
警告
检测模块处于 Beta 阶段,不保证向后兼容性。
参考:通过自适应训练样本选择弥合基于锚点和无锚点检测之间的差距。
retinanet_resnet50_fpn()
了解更多详细信息。- 参数:
weights (
RetinaNet_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,请参阅下面的RetinaNet_ResNet50_FPN_V2_Weights
。默认情况下,不使用任何预训练权重。progress (bool) – 如果为 True,则将下载进度条显示到 stderr。默认为 True。
num_classes (int, 可选) – 模型的输出类别数(包括背景)
weights_backbone (
ResNet50_Weights
, 可选) – 骨干网络的预训练权重。trainable_backbone_layers (int, 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 表示所有骨干网络层都可训练。如果传递
None
(默认值),则此值设置为 3。**kwargs – 传递给
torchvision.models.detection.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_V2_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights
参数。RetinaNet_ResNet50_FPN_V2_Weights.DEFAULT
等效于RetinaNet_ResNet50_FPN_V2_Weights.COCO_V1
。您还可以使用字符串,例如weights='DEFAULT'
或weights='COCO_V1'
。RetinaNet_ResNet50_FPN_V2_Weights.COCO_V1:
这些权重是使用增强的训练方法生成的,以提高模型精度。也可作为
RetinaNet_ResNet50_FPN_V2_Weights.DEFAULT
使用。box_map (在 COCO-val2017 上)
41.5
类别
__background__, person, bicycle, … (省略 88 个)
最小尺寸
高度=1,宽度=1
参数数量
38198935
配方
GFLOPS
152.24
文件大小
146.0 MB
推理转换可在
RetinaNet_ResNet50_FPN_V2_Weights.COCO_V1.transforms
中获得,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。图像被重新缩放至[0.0, 1.0]
。