快捷方式

mc3_18

torchvision.models.video.mc3_18(*, weights: Optional[MC3_18_Weights] = None, progress: bool = True, **kwargs: Any) VideoResNet[源代码]

构建 18 层混合卷积网络,如

警告

视频模块处于 Beta 阶段,不保证向后兼容性。

参考:更深入地了解用于动作识别的时空卷积

参数:
  • weights (MC3_18_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 MC3_18_Weights。默认情况下,不使用任何预训练权重。

  • progress (布尔值) – 如果为 True,则将下载进度条显示到标准错误。默认为 True。

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

torchvision.models.video.MC3_18_Weights(value)[源代码]

上面的模型构建器接受以下值作为 weights 参数。MC3_18_Weights.DEFAULT 等效于 MC3_18_Weights.KINETICS400_V1。您还可以使用字符串,例如 weights='DEFAULT'weights='KINETICS400_V1'

MC3_18_Weights.KINETICS400_V1:

这些权重非常接近论文的准确率。准确率是在视频级别上使用参数 frame_rate=15clips_per_video=5clip_len=16 估算的。也称为 MC3_18_Weights.DEFAULT

acc@1(在 Kinetics-400 上)

63.96

acc@5(在 Kinetics-400 上)

84.13

最小尺寸

高度=1,宽度=1

类别

下降、空中击鼓、回答问题、…(省略 397 个)

食谱

链接

参数数量

11695440

GFLOPS

43.34

文件大小

44.7 MB

推理转换在 MC3_18_Weights.KINETICS400_V1.transforms 中可用,并执行以下预处理操作:接受批处理的 (B, T, C, H, W) 和单个 (T, C, H, W) 视频帧 torch.Tensor 对象。帧使用 interpolation=InterpolationMode.BILINEAR 调整大小到 resize_size=[128, 171],然后进行 crop_size=[112, 112] 的中心裁剪。最后,将值首先重新缩放到 [0.0, 1.0],然后使用 mean=[0.43216, 0.394666, 0.37645]std=[0.22803, 0.22145, 0.216989] 进行归一化。最后,输出维度被置换为 (..., C, T, H, W) 张量。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取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