deeplabv3_resnet50¶
- torchvision.models.segmentation.deeplabv3_resnet50(*, weights: Optional[DeepLabV3_ResNet50_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, aux_loss: Optional[bool] = None, weights_backbone: Optional[ResNet50_Weights] = ResNet50_Weights.IMAGENET1K_V1, **kwargs: Any) DeepLabV3[source]¶
构建一个使用 ResNet-50 作为骨干网络的 DeepLabV3 模型。
警告
分割模块处于 Beta 阶段，不保证向后兼容性。
参考资料: Rethinking Atrous Convolution for Semantic Image Segmentation。
- 参数:
weights (
DeepLabV3_ResNet50_Weights, optional) – 要使用的预训练权重。有关更多详细信息和可能的值，请参阅下面的DeepLabV3_ResNet50_Weights。默认情况下不使用预训练权重。progress (bool, optional) – 如果为 True，则在标准错误输出中显示下载进度条。默认值为 True。
num_classes (int, optional) – 模型的输出类别数量（包括背景）。
aux_loss (bool, optional) – 如果为 True，则使用辅助损失。
weights_backbone (
ResNet50_Weights, optional) – 骨干网络的预训练权重。**kwargs – 未使用。
- class torchvision.models.segmentation.DeepLabV3_ResNet50_Weights(value)[source]¶
上述模型构建器接受以下值作为
weights参数。DeepLabV3_ResNet50_Weights.DEFAULT等同于DeepLabV3_ResNet50_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_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1:
这些权重是在 COCO 数据集的一个子集上训练的，仅使用了 Pascal VOC 数据集中存在的 20 个类别。也可用作
DeepLabV3_ResNet50_Weights.DEFAULT。miou (在 COCO-val2017-VOC-labels 上)
66.4
pixel_acc (在 COCO-val2017-VOC-labels 上)
92.4
类别
__background__, aeroplane, bicycle, … （省略了 18 个）
min_size
height=1, width=1
num_params
42004074
recipe
GFLOPS
178.72
文件大小
160.5 MB
推理转换可在
DeepLabV3_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1.transforms获取，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重塑到resize_size=[520]。最后，值首先被缩放到[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。
