快捷方式

fcn_resnet101

torchvision.models.segmentation.fcn_resnet101(*, weights: Optional[FCN_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) FCN[source]

具有 ResNet-101 骨干网络的完全卷积网络模型,来自用于语义分割的完全卷积网络论文。

警告

分割模块处于 Beta 阶段,不保证向后兼容性。

参数:
  • weights (FCN_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FCN_ResNet101_Weights。默认情况下,不使用任何预训练权重。

  • progress (bool, 可选) – 如果为 True,则将下载进度条显示到 stderr。默认为 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 (ResNet101_Weights, 可选) – 骨干网络的预训练权重。

  • **kwargs – 传递给torchvision.models.segmentation.fcn.FCN基类的参数。有关此类的更多详细信息,请参阅源代码

class torchvision.models.segmentation.FCN_ResNet101_Weights(value)[source]

上面的模型构建器接受以下值作为weights参数。FCN_ResNet101_Weights.DEFAULT等效于FCN_ResNet101_Weights.COCO_WITH_VOC_LABELS_V1。您也可以使用字符串,例如weights='DEFAULT'weights='COCO_WITH_VOC_LABELS_V1'

FCN_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FCN_ResNet101_Weights.DEFAULT使用。

miou(在 COCO-val2017-VOC-labels 上)

63.7

pixel_acc(在 COCO-val2017-VOC-labels 上)

91.9

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

54314346

配方

链接

GFLOPS

232.74

文件大小

207.7 MB

推理转换在FCN_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(B, C, H, W)和单个(C, H, W)图像torch.Tensor对象。图像使用interpolation=InterpolationMode.BILINEAR调整到resize_size=[520]。最后,将值首先重新缩放至[0.0, 1.0],然后使用mean=[0.485, 0.456, 0.406]std=[0.229, 0.224, 0.225]进行归一化。

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