mc3_18

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

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。

类 torchvision.models.video.MC3_18_Weights(value)

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' 或 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=15、clips_per_video=5 和 clip_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] 和 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。