r2plus1d_18¶
- torchvision.models.video.r2plus1d_18(*, weights: Optional[R2Plus1D_18_Weights] = None, progress: bool = True, **kwargs: Any) VideoResNet [源代码]¶
构造 18 层深的 R(2+1)D 网络,如
警告
视频模块处于 Beta 阶段,向后兼容性无法保证。
参考: 深入研究时空卷积在动作识别中的应用.
- 参数:
weights (
R2Plus1D_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,请参阅下面的R2Plus1D_18_Weights
。默认情况下,不使用任何预训练权重。progress (bool) – 如果为 True,则将下载进度条显示到 stderr。默认值为 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。
- class torchvision.models.video.R2Plus1D_18_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。R2Plus1D_18_Weights.DEFAULT
等效于R2Plus1D_18_Weights.KINETICS400_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='KINETICS400_V1'
。R2Plus1D_18_Weights.KINETICS400_V1:
这些权重可以很好地复现论文中的精度。精度是在视频级别上估计的,参数为 frame_rate=15、clips_per_video=5 和 clip_len=16。也可以作为
R2Plus1D_18_Weights.DEFAULT
使用。acc@1 (在 Kinetics-400 上)
67.463
acc@5 (在 Kinetics-400 上)
86.175
最小尺寸
height=1, width=1
类别
绳索下降、空中击鼓、回答问题、…(省略 397 个)
食谱
参数数量
31505325
GFLOPS
40.52
文件大小
120.3 MB
推理变换可在
R2Plus1D_18_Weights.KINETICS400_V1.transforms
中找到,并执行以下预处理操作:接受批处理(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
调整为resize_size=[128, 171]
,然后对crop_size=[112, 112]
进行中心裁剪。最后,这些值首先被重新缩放到[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。