fcn_resnet50¶
- torchvision.models.segmentation.fcn_resnet50(*, weights: Optional[FCN_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) FCN [source]¶
使用 ResNet-50 主干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_ResNet50_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FCN_ResNet50_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 (
ResNet50_Weights
,可选) – 主干的预训练权重。**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_ResNet50_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights
参数。FCN_ResNet50_Weights.DEFAULT
等效于FCN_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'
。FCN_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1:
这些权重是在 COCO 的子集上训练的,只使用 Pascal VOC 数据集中存在的 20 个类别。也可以作为
FCN_ResNet50_Weights.DEFAULT
。miou(在 COCO-val2017-VOC-labels 上)
60.5
pixel_acc(在 COCO-val2017-VOC-labels 上)
91.4
类别
__background__、飞机、自行车、…(省略 18 个)
最小尺寸
height=1, width=1
参数数量
35322218
配方
GFLOPS
152.72
文件大小
135.0 MB
推理变换可在
FCN_ResNet50_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
调整大小为resize_size=[520]
。最后,将值首先重新缩放到[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。
使用
fcn_resnet50
的示例可视化实用程序