deeplabv3_mobilenet_v3_large

torchvision.models.segmentation.deeplabv3_mobilenet_v3_large(*, weights: Optional[DeepLabV3_MobileNet_V3_Large_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, aux_loss: Optional[bool] = None, weights_backbone: Optional[MobileNet_V3_Large_Weights] = MobileNet_V3_Large_Weights.IMAGENET1K_V1, **kwargs: Any) → DeepLabV3

构建具有 MobileNetV3-Large 主干网络的 DeepLabV3 模型。

参考: 用于语义图像分割的重思空洞卷积。

参数:

• weights (DeepLabV3_MobileNet_V3_Large_Weights, optional) – 要使用的预训练权重。 有关更多详细信息和可能的值，请参阅下文的 DeepLabV3_MobileNet_V3_Large_Weights。 默认情况下，不使用预训练权重。

• progress (bool, optional) – 如果为 True，则将下载进度条显示到 stderr。 默认为 True。

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

• aux_loss (bool, optional) – 如果为 True，则使用辅助损失

• weights_backbone (MobileNet_V3_Large_Weights, optional) – 主干网络的预训练权重

• **kwargs – 未使用

class torchvision.models.segmentation.DeepLabV3_MobileNet_V3_Large_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 DeepLabV3_MobileNet_V3_Large_Weights.DEFAULT 等同于 DeepLabV3_MobileNet_V3_Large_Weights.COCO_WITH_VOC_LABELS_V1。 您还可以使用字符串，例如 weights='DEFAULT' 或 weights='COCO_WITH_VOC_LABELS_V1'。

DeepLabV3_MobileNet_V3_Large_Weights.COCO_WITH_VOC_LABELS_V1:

这些权重是在 COCO 的子集上训练的，仅使用 Pascal VOC 数据集中存在的 20 个类别。 也可作为 DeepLabV3_MobileNet_V3_Large_Weights.DEFAULT 使用。

miou (在 COCO-val2017-VOC-labels 上)	60.3
pixel_acc (在 COCO-val2017-VOC-labels 上)	91.2
类别	__background__，飞机，自行车，… (省略 18 个)
min_size	height=1, width=1
num_params	11029328
recipe	link
GFLOPS	10.45
文件大小	42.3 MB

推理变换可在 DeepLabV3_MobileNet_V3_Large_Weights.COCO_WITH_VOC_LABELS_V1.transforms 中找到，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。 图像使用 interpolation=InterpolationMode.BILINEAR 调整大小为 resize_size=[520]。 最后，值首先重新缩放到 [0.0, 1.0]，然后使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 进行归一化。