快捷方式

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'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

链接

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]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

可视化实用程序

文档

访问 PyTorch 的全面的开发者文档

查看文档

教程

获取针对初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源