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 [源代码]¶
使用 MobileNetV3-Large 骨干网络构建 DeepLabV3 模型。
- 参数:
weights (
DeepLabV3_MobileNet_V3_Large_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DeepLabV3_MobileNet_V3_Large_Weights
。默认情况下,不使用任何预训练权重。progress (bool, 可选) – 如果为 True,则在 stderr 上显示下载进度条。默认值为 True。
num_classes (int, 可选) – 模型的输出类别数(包括背景)
aux_loss (bool, 可选) – 如果为 True,则使用辅助损失
weights_backbone (
MobileNet_V3_Large_Weights
, 可选) – 骨干网络的预训练权重**kwargs – 未使用
- class torchvision.models.segmentation.DeepLabV3_MobileNet_V3_Large_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。DeepLabV3_MobileNet_V3_Large_Weights.DEFAULT
等效于DeepLabV3_MobileNet_V3_Large_Weights.COCO_WITH_VOC_LABELS_V1
。您也可以使用字符串,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。也可用作
DeepLabV3_MobileNet_V3_Large_Weights.DEFAULT
。miou(在 COCO-val2017-VOC-labels 上)
60.3
pixel_acc(在 COCO-val2017-VOC-labels 上)
91.2
类别
__background__, aeroplane, bicycle, … (18 项省略)
最小尺寸
height=1, width=1
参数数量
11029328
配方
GFLOPS
10.45
文件大小
42.3 MB
推理转换位于
DeepLabV3_MobileNet_V3_Large_Weights.COCO_WITH_VOC_LABELS_V1.transforms
处,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。图像使用resize_size=[520]
和interpolation=InterpolationMode.BILINEAR
调整大小。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。