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]¶
一个具有 ResNet-50 主干的全卷积网络（Fully-Convolutional Network）模型，来自 《用于语义分割的全卷积网络》（Fully Convolutional Networks for Semantic Segmentation）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，请参见下方的FCN_ResNet50_Weights。默认不使用预训练权重。progress (bool, 可选) – 如果为 True，则向 stderr 显示下载进度条。默认为 True。
num_classes (int, 可选) – 模型的输出类别数量（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等同于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 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。也可作为
FCN_ResNet50_Weights.DEFAULT使用。miou (在 COCO-val2017-VOC-labels 上)
60.5
像素精度 (在 COCO-val2017-VOC-labels 上)
91.4
类别
__背景__, aeroplane, bicycle, ... (省略了 18 个)
最小尺寸
height=1, width=1
参数数量
35322218
配置
GFLOPS
152.72
文件大小
135.0 MB
推理转换可从
FCN_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1.transforms获取，并执行以下预处理操作：接受PIL.Image对象、批处理(B, C, H, W)和单张(C, H, W)图像torch.Tensor对象。使用interpolation=InterpolationMode.BILINEAR将图像调整大小到resize_size=[520]。最后，先将值重新缩放至[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
