快捷方式

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

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'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

链接

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

链接

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

光流:使用 RAFT 模型预测运动

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源