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

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)

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	链接
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]。