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
的示例光流:使用 RAFT 模型预测运动