ssd300_vgg16¶
- torchvision.models.detection.ssd300_vgg16(*, weights: Optional[SSD300_VGG16_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[VGG16_Weights] = VGG16_Weights.IMAGENET1K_FEATURES, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) SSD [源代码]¶
SSD300 模型基于 SSD:单次多盒检测器 论文。
警告
检测模块处于 Beta 阶段,不保证向后兼容性。
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,并且应在 0-1 范围内。不同的图像可以具有不同的尺寸,但在传递到主干之前将调整为固定尺寸。
模型的行为取决于它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),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
且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 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,即 List[Dict[Tensor]],每个输入图像一个。Dict 的字段如下所示,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
且0 <= y1 < y2 <= H
。标签(Int64Tensor[N]):每个检测的预测标签
分数(Tensor[N]):每个检测的分数
示例
>>> model = torchvision.models.detection.ssd300_vgg16(weights=SSD300_VGG16_Weights.DEFAULT) >>> model.eval() >>> x = [torch.rand(3, 300, 300), torch.rand(3, 500, 400)] >>> predictions = model(x)
- 参数:
weights (
SSD300_VGG16_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SSD300_VGG16_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 stderr。默认为 True。
num_classes (整数,可选) – 模型的输出类别数(包括背景)
weights_backbone (
VGG16_Weights
,可选) – 主干的预训练权重trainable_backbone_layers (整数,可选) – 从最后一个块开始的可训练(未冻结)层数。有效值介于 0 和 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 4。**kwargs – 传递给
torchvision.models.detection.SSD
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.SSD300_VGG16_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。SSD300_VGG16_Weights.DEFAULT
等效于SSD300_VGG16_Weights.COCO_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='COCO_V1'
。SSD300_VGG16_Weights.COCO_V1:
这些权重是根据与论文中类似的训练方案生成的。也可以作为
SSD300_VGG16_Weights.DEFAULT
获取。box_map(在 COCO-val2017 上)
25.1
参数数量
35641826
类别
__background__,person,bicycle,…(省略 88 个)
最小尺寸
高度=1,宽度=1
方案
GFLOPS
34.86
文件大小
136.0 MB
推理转换可以在
SSD300_VGG16_Weights.COCO_V1.transforms
中找到,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。图像被重新缩放至[0.0, 1.0]
。