raft_small¶
- torchvision.models.optical_flow.raft_small(*, weights: Optional[Raft_Small_Weights] = None, progress=True, **kwargs) RAFT[源代码]¶
来自 RAFT: Recurrent All Pairs Field Transforms for Optical Flow 的 RAFT “small” 模型。
请参阅下面的示例，了解如何使用此模型的教程。
- 参数:
weights (
Raft_Small_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Raft_Small_Weights。默认情况下，不使用预训练权重。progress (bool) – 如果为 True，则显示下载到 stderr 的进度条。默认为 True。
**kwargs – 传递给
torchvision.models.optical_flow.RAFT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.optical_flow.Raft_Small_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights参数。Raft_Small_Weights.DEFAULT等效于Raft_Small_Weights.C_T_V2。您还可以使用字符串，例如weights='DEFAULT'或weights='C_T_V1'。此处报告的指标如下。
epe是“端点误差”，表示预测的光流与其真实值的距离（以像素为单位）。这是在所有图像的所有像素上平均的。per_image_epe类似，但平均值不同：epe 首先在每个图像上独立计算，然后在所有图像上平均。这对应于原始论文中的“Fl-epe”（有时写为“F1-epe”），它仅在 Kitti 上使用。fl-all也是 Kitti 特定的指标，由数据集的作者定义，用于 Kitti 排行榜。它对应于 epe 小于 3px 或小于光流 2-范数 5% 的像素的平均值。Raft_Small_Weights.C_T_V1:
这些权重是从原始论文移植过来的。它们在
FlyingChairs+FlyingThings3D上训练。epe（在 Sintel-Train-Cleanpass 上）
2.1231
epe（在 Sintel-Train-Finalpass 上）
3.279
per_image_epe（在 Kitti-Train 上）
7.6557
fl_all（在 Kitti-Train 上）
25.2801
min_size
height=128, width=128
num_params
990162
recipe
GFLOPS
47.66
文件大小
3.8 MB
推理转换在
Raft_Small_Weights.C_T_V1.transforms中可用，并执行以下预处理操作：接受PIL.Image、批量(B, C, H, W)和单个(C, H, W)图像torch.Tensor对象。图像被重新缩放到[-1.0, 1.0]。Raft_Small_Weights.C_T_V2:
这些权重是从头开始在
FlyingChairs+FlyingThings3D上训练的。也可用作Raft_Small_Weights.DEFAULT。epe（在 Sintel-Train-Cleanpass 上）
1.9901
epe（在 Sintel-Train-Finalpass 上）
3.2831
per_image_epe（在 Kitti-Train 上）
7.5978
fl_all（在 Kitti-Train 上）
25.2369
min_size
height=128, width=128
num_params
990162
recipe
GFLOPS
47.66
文件大小
3.8 MB
推理转换在
Raft_Small_Weights.C_T_V2.transforms中可用，并执行以下预处理操作：接受PIL.Image、批量(B, C, H, W)和单个(C, H, W)图像torch.Tensor对象。图像被重新缩放到[-1.0, 1.0]。
使用
raft_small的示例
