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: Single Shot MultiBox Detector 论文。

警告

检测模块处于 Beta 阶段，不保证向后兼容性。

模型的输入应为张量列表，每个张量的形状为 [C, H, W]，对应每张图像，并且应在 0-1 范围内。不同图像可以有不同大小，但在传递给主干网络之前，它们将被调整为固定大小。

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，模型需要输入张量和目标（字典列表），其中包含

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

• labels (Int64Tensor[N]): 每个真实标注框的类别标签

在训练期间，模型返回一个 Dict[Tensor]，其中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 是检测到的数量

• 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]): 每个检测结果的置信度分数

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, optional) – 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 SSD300_VGG16_Weights。默认情况下，不使用预训练权重。

• progress (bool, optional) – 如果为 True，则在标准错误输出中显示下载进度条。默认为 True。

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

• weights_backbone (VGG16_Weights, optional) – 主干网络的预训练权重

• trainable_backbone_layers (int, optional) – 从最后一个块开始，可训练（未冻结）层的数量。有效值介于 0 和 5 之间，5 表示所有主干网络层都可训练。如果传入 None（默认值），则此值设置为 4。

• **kwargs – 传递给 torchvision.models.detection.SSD 基类的参数。有关此类别的更多详细信息，请参阅源代码。

class torchvision.models.detection.SSD300_VGG16_Weights(value)

上述模型构建器接受以下值作为 weights 参数。SSD300_VGG16_Weights.DEFAULT 等同于 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:

这些权重是按照与论文中类似的训练方法生成的。也可用作 SSD300_VGG16_Weights.DEFAULT。

box_map（在 COCO-val2017 上）	25.1
参数数量	35641826
类别	__background__（背景）、person（人）、bicycle（自行车）、…（省略 88 个）
最小尺寸	height=1, width=1
训练方法	链接
GFLOPS	34.86
文件大小	136.0 MB

推理转换可通过 SSD300_VGG16_Weights.COCO_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image、批处理 (B, C, H, W) 和单张 (C, H, W) 图像 torch.Tensor 对象。图像将被缩放到 [0.0, 1.0] 范围内。