r2plus1d_18¶
- torchvision.models.video.r2plus1d_18(*, weights: Optional[R2Plus1D_18_Weights] = None, progress: bool = True, **kwargs: Any) VideoResNet [source]¶
构建深度为 18 层的 R(2+1)D 网络,如
警告
视频模块正处于 Beta 阶段,不保证向后兼容性。
参考资料:用于动作识别的时空卷积的更深入研究。
- 参数:
weights (
R2Plus1D_18_Weights
, optional) – 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,不使用预训练权重。progress (bool) – 如果为 True,则将下载进度条显示到 stderr。默认为 True。
**kwargs – 传递给
torchvision.models.video.resnet.VideoResNet
基类的参数。有关此类别的更多详细信息,请参阅 源代码。
- class torchvision.models.video.R2Plus1D_18_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights
参数。R2Plus1D_18_Weights.DEFAULT
等同于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:
这些权重与论文的准确率非常接近。准确率是在视频级别估算的,参数为 frame_rate=15、clips_per_video=5 和 clip_len=16。也可作为
R2Plus1D_18_Weights.DEFAULT
使用。acc@1 (在 Kinetics-400 上)
67.463
acc@5 (在 Kinetics-400 上)
86.175
min_size
height=1, width=1
categories
速降, 空气鼓, 回答问题, … (省略 397 个)
recipe
num_params
31505325
GFLOPS
40.52
文件大小
120.3 MB
推理转换可在
R2Plus1D_18_Weights.KINETICS400_V1.transforms
中找到,并执行以下预处理操作:接受批处理的(B, T, C, H, W)
和单个(T, C, H, W)
视频帧torch.Tensor
对象。帧被调整大小为resize_size=[128, 171]
,使用interpolation=InterpolationMode.BILINEAR
,然后进行中心裁剪,crop_size=[112, 112]
。最后,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。