s3d¶
- torchvision.models.video.s3d(*, weights: Optional[S3D_Weights] = None, progress: bool = True, **kwargs: Any) S3D[source]¶
构建可分离 3D CNN 模型。
参考文献：重新思考时空特征学习。
警告
视频模块目前处于 Beta 阶段，不保证向后兼容性。
- 参数:
weights (
S3D_Weights, optional) – 要使用的预训练权重。有关更多详细信息和可能的值，请参阅下方的S3D_Weights。默认情况下，不使用预训练权重。progress (bool) – 如果为 True，则在 stderr 上显示下载进度条。默认为 True。
**kwargs – 传递给
torchvision.models.video.S3D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.S3D_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights参数。S3D_Weights.DEFAULT等同于S3D_Weights.KINETICS400_V1。您还可以使用字符串，例如weights='DEFAULT'或weights='KINETICS400_V1'。S3D_Weights.KINETICS400_V1:
这些权重旨在近似论文的准确率。准确率是在剪辑级别估计的，参数为 frame_rate=15、clips_per_video=1 和 clip_len=128。也可作为
S3D_Weights.DEFAULT使用。acc@1 (在 Kinetics-400 上)
68.368
acc@5 (在 Kinetics-400 上)
88.05
min_size
height=224, width=224
min_temporal_size
14
类别
速降, 空气鼓, 回答问题, … (省略 397 个)
recipe
num_params
8320048
GFLOPS
17.98
文件大小
32.0 MB
推理转换可在
S3D_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。帧使用interpolation=InterpolationMode.BILINEAR调整大小为resize_size=[256, 256]，然后进行中心裁剪，crop_size=[224, 224]。最后，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。
