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：重新思考时空特征学习。
警告
视频模块处于 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。请参阅S3D_Weights下方以获取更多详细信息和可能的值。默认情况下，不使用预训练权重。progress (bool) – 如果为 True，则在标准错误输出 (stderr) 中显示下载进度条。默认值为 True。
**kwargs – 传递给
torchvision.models.video.S3D基类的参数。请参阅源代码了解此类的更多详细信息。
- class torchvision.models.video.S3D_Weights(value)[source]¶
上述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。您也可以使用字符串，例如weights='DEFAULT'或weights='KINETICS400_V1'。S3D_Weights.KINETICS400_V1:
此权重旨在近似达到论文中的精度。精度在片段级别进行估计，参数为frame_rate=15、clips_per_video=1，以及clip_len=128。也可作为
S3D_Weights.DEFAULT获得。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
下降，空气打鼓，回答问题，…（省略 397 项）
复现方法
参数数量
8320048
GFLOPS
17.98
文件大小
32.0 MB
推理变换可通过
S3D_Weights.KINETICS400_V1.transforms获得，并执行以下预处理操作：接受批处理的(B, T, C, H, W)和单个的(T, C, H, W)视频帧torch.Tensor对象。帧使用interpolation=InterpolationMode.BILINEAR缩放到resize_size=[256, 256]，然后进行中心裁剪，大小为crop_size=[224, 224]。最后，首先将值重新缩放到[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。
