deeplabv3_resnet101¶
- torchvision.models.segmentation.deeplabv3_resnet101(*, weights: Optional[DeepLabV3_ResNet101_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, aux_loss: Optional[bool] = None, weights_backbone: Optional[ResNet101_Weights] = ResNet101_Weights.IMAGENET1K_V1, **kwargs: Any) DeepLabV3 [source]¶
构建具有 ResNet-101 骨干网络的 DeepLabV3 模型。
警告
分割模块处于 Beta 阶段,不保证向后兼容性。
- 参数:
weights (
DeepLabV3_ResNet101_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,请参见下面的DeepLabV3_ResNet101_Weights
。默认情况下,不使用预训练权重。progress (布尔值, 可选) – 如果为 True,则将下载进度条显示到标准错误输出。默认为 True。
num_classes (整数, 可选) – 模型的输出类别数(包括背景)
aux_loss (布尔值, 可选) – 如果为 True,则使用辅助损失
weights_backbone (
ResNet101_Weights
, 可选) – 骨干网络的预训练权重**kwargs – 未使用
- 类 torchvision.models.segmentation.DeepLabV3_ResNet101_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights
参数。DeepLabV3_ResNet101_Weights.DEFAULT
等效于DeepLabV3_ResNet101_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_ResNet101_Weights.COCO_WITH_VOC_LABELS_V1:
这些权重是在 COCO 的一个子集上训练的,只使用了 Pascal VOC 数据集中存在的 20 个类别。也可作为
DeepLabV3_ResNet101_Weights.DEFAULT
使用。miou(在 COCO-val2017-VOC-labels 上)
67.4
pixel_acc(在 COCO-val2017-VOC-labels 上)
92.4
类别
__background__,飞机,自行车,…(省略 18 个)
最小尺寸
高度=1,宽度=1
参数数量
60996202
配方
GFLOPS
258.74
文件大小
233.2 MB
推理转换在
DeepLabV3_ResNet101_Weights.COCO_WITH_VOC_LABELS_V1.transforms
中可用,并执行以下预处理操作:接受PIL.Image
、批处理的(B, C, H, W)
和单个(C, H, W)
图像torch.Tensor
对象。图像使用interpolation=InterpolationMode.BILINEAR
调整大小到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。