s3d¶
- torchvision.models.video.s3d(*, weights: Optional[S3D_Weights] = None, progress: bool = True, **kwargs: Any) S3D [源代码]¶
构建可分离的 3D CNN 模型。
参考:重新思考时空特征学习。
警告
视频模块处于测试阶段,向后兼容性不受保证。
- 参数::
weights (
S3D_Weights
,可选) – 要使用的预训练权重。有关详细信息和可能的取值,请参阅下面的S3D_Weights
。默认情况下,不使用预训练权重。progress (bool) – 如果为 True,则在 stderr 中显示下载进度条。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)[源代码]¶
上面的模型构建器接受以下值作为
weights
参数。S3D_Weights.DEFAULT
等效于S3D_Weights.KINETICS400_V1
。您也可以使用字符串,例如weights='DEFAULT'
或weights='KINETICS400_V1'
。S3D_Weights.KINETICS400_V1:
这些权重旨在近似于论文的准确性。准确性是在剪辑级别估计的,参数为 frame_rate=15、clips_per_video=1 和 clip_len=128。也可以作为
S3D_Weights.DEFAULT
使用。acc@1 (在 Kinetics-400 上)
68.368
acc@5 (在 Kinetics-400 上)
88.05
最小尺寸
height=224,width=224
最小时间尺寸
14
类别
绳索下降、空中击鼓、回答问题、…(省略 397 个)
配方
参数数量
8320048
GFLOPS
17.98
文件大小
32.0 MB
推理变换在
S3D_Weights.KINETICS400_V1.transforms
中可用,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。使用interpolation=InterpolationMode.BILINEAR
将帧调整为resize_size=[256, 256]
,然后进行crop_size=[224, 224]
的中心裁剪。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。