快捷方式

lraspp_mobilenet_v3_large

torchvision.models.segmentation.lraspp_mobilenet_v3_large(*, weights: Optional[LRASPP_MobileNet_V3_Large_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[MobileNet_V3_Large_Weights] = MobileNet_V3_Large_Weights.IMAGENET1K_V1, **kwargs: Any) LRASPP[source]

构建一个 Lite R-ASPP 网络模型,该模型使用 MobileNetV3-Large 主干,出自《Searching for MobileNetV3》论文。

警告

分割模块尚处于 Beta 阶段,不保证向后兼容。

参数:
  • weights (LRASPP_MobileNet_V3_Large_Weights, 可选) – 要使用的预训练权重。请参阅 LRASPP_MobileNet_V3_Large_Weights 下文以获取更多详情和可能的值。默认情况下,不使用预训练权重。

  • progress (bool, 可选) – 如果为 True,则在 stderr 中显示下载进度条。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 (MobileNet_V3_Large_Weights, 可选) – 主干网络的预训练权重。

  • **kwargs – 传递给 torchvision.models.segmentation.LRASPP 基类的参数。请参阅源代码了解有关此类的更多详情。

class torchvision.models.segmentation.LRASPP_MobileNet_V3_Large_Weights(value)[source]

上面的模型构建器接受以下值作为 weights 参数。LRASPP_MobileNet_V3_Large_Weights.DEFAULT 等同于 LRASPP_MobileNet_V3_Large_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'

LRASPP_MobileNet_V3_Large_Weights.COCO_WITH_VOC_LABELS_V1:

这些权重是在 COCO 的一个子集上训练的,仅使用 Pascal VOC 数据集中存在的 20 个类别。也可用作 LRASPP_MobileNet_V3_Large_Weights.DEFAULT

miou (在 COCO-val2017-VOC-labels 上)

57.9

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

91.2

num_params

3221538

类别

__background__、aeroplane、bicycle、…… (省略 18 个)

min_size

height=1, width=1

recipe

链接

GFLOPS

2.09

文件大小

12.5 MB

推理转换可在 LRASPP_MobileNet_V3_Large_Weights.COCO_WITH_VOC_LABELS_V1.transforms 获取,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。图像将被缩放到 resize_size=[520],使用 interpolation=InterpolationMode.BILINEAR。最后,值首先被重新缩放到 [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。

文档

访问 PyTorch 全面的开发者文档

查看文档

教程

获取面向初学者和高级开发者的深度教程

查看教程

资源

查找开发资源并获得问题解答

查看资源