raft_small¶
- torchvision.models.optical_flow.raft_small(*, weights: Optional[Raft_Small_Weights] = None, progress=True, **kwargs) RAFT[源代码]¶
来自 RAFT：用于光流的循环全对场变换 的 RAFT“小型”模型。
请参阅以下示例，了解有关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，不使用任何预训练权重。progress (布尔值) – 如果为 True，则将下载进度条显示到标准错误输出。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。
- 类 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。您也可以使用字符串，例如weights='DEFAULT'或weights='C_T_V1'。此处报告的指标如下。
epe是“端点误差”，表示预测流与其真实值之间的距离（以像素为单位）。这是对所有图像的所有像素进行平均计算的结果。per_image_epe类似，但平均值不同：首先独立计算每张图像上的 epe，然后对所有图像进行平均。这对应于原始论文中的“Fl-epe”（有时写成“F1-epe”），并且仅在 Kitti 上使用。fl-all也是 Kitti 特定的指标，由数据集作者定义并用于 Kitti 排行榜。它对应于 epe 小于 3px 或小于流的 2 范数的 5% 的像素的平均值。Raft_Small_Weights.C_T_V1:
这些权重是从原始论文中移植的。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
最小尺寸
高度=128，宽度=128
参数数量
990162
配方
GFLOPS
47.66
文件大小
3.8 MB
推理转换可在
Raft_Small_Weights.C_T_V1.transforms中获得，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[-1.0, 1.0]。Raft_Small_Weights.C_T_V2:
这些权重是在
FlyingChairs+FlyingThings3D上从头开始训练的。也可作为Raft_Small_Weights.DEFAULT使用。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
最小尺寸
高度=128，宽度=128
参数数量
990162
配方
GFLOPS
47.66
文件大小
3.8 MB
推理转换可在
Raft_Small_Weights.C_T_V2.transforms中获得，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[-1.0, 1.0]。
使用
raft_small的示例
