fasterrcnn_resnet50_fpn¶
- torchvision.models.detection.fasterrcnn_resnet50_fpn(*, weights: Optional[FasterRCNN_ResNet50_FPN_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[ResNet50_Weights] = ResNet50_Weights.IMAGENET1K_V1, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) FasterRCNN[來源]¶
基於 ResNet-50-FPN 主幹網路的 Faster R-CNN 模型，出自論文Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks。
警告
檢測模組目前處於 Beta 階段，不保證向後相容性。
模型的輸入應為張量列表，每個張量的形狀為
[C, H, W]，對應每張影像，且值應在0-1範圍內。不同影像可以有不同尺寸。模型的行為會根據其處於訓練模式還是評估模式而改變。
訓練期間，模型期望輸入張量以及一個目標（字典列表），包含：
boxes (
FloatTensor[N, 4]): 真實邊界框，格式為[x1, y1, x2, y2]，其中0 <= x1 < x2 <= W且0 <= y1 < y2 <= H。labels (
Int64Tensor[N]): 每個真實邊界框的類別標籤
訓練期間，模型返回一個
Dict[Tensor]，包含 RPN 和 R-CNN 的分類和迴歸損失。推理期間，模型只需要輸入張量，並返回後處理的預測結果，格式為
List[Dict[Tensor]]，每個輸入影像對應一個。該Dict的欄位如下所示，其中N是檢測到的數量：boxes (
FloatTensor[N, 4]): 預測的邊界框，格式為[x1, y1, x2, y2]，其中0 <= x1 < x2 <= W且0 <= y1 < y2 <= H。labels (
Int64Tensor[N]): 每個檢測結果的預測標籤scores (
Tensor[N]): 每個檢測結果的置信度得分
有關輸出的更多詳細資訊，請參閱例項分割模型。
Faster R-CNN 可以匯出為 ONNX 格式，適用於固定批次大小和固定尺寸的輸入影像。
示例
>>> model = torchvision.models.detection.fasterrcnn_resnet50_fpn(weights=FasterRCNN_ResNet50_FPN_Weights.DEFAULT) >>> # For training >>> images, boxes = torch.rand(4, 3, 600, 1200), torch.rand(4, 11, 4) >>> boxes[:, :, 2:4] = boxes[:, :, 0:2] + boxes[:, :, 2:4] >>> labels = torch.randint(1, 91, (4, 11)) >>> images = list(image for image in images) >>> targets = [] >>> for i in range(len(images)): >>> d = {} >>> d['boxes'] = boxes[i] >>> d['labels'] = labels[i] >>> targets.append(d) >>> output = model(images, targets) >>> # For inference >>> model.eval() >>> x = [torch.rand(3, 300, 400), torch.rand(3, 500, 400)] >>> predictions = model(x) >>> >>> # optionally, if you want to export the model to ONNX: >>> torch.onnx.export(model, x, "faster_rcnn.onnx", opset_version = 11)
- 引數:
weights (
FasterRCNN_ResNet50_FPN_Weights, 可選) – 要使用的預訓練權重。有關更多詳細資訊和可能的值，請參閱下方的FasterRCNN_ResNet50_FPN_Weights。預設情況下，不使用預訓練權重。progress (bool, 可選) – 如果為 True，則在標準錯誤輸出中顯示下載進度條。預設為 True。
num_classes (int, 可選) – 模型的輸出類別數量（包括背景類）
weights_backbone (
ResNet50_Weights, 可選) – 主幹網路的預訓練權重。trainable_backbone_layers (int, 可選) – 從最後一個塊開始計算的可訓練（未凍結）層數。有效值在 0 到 5 之間，其中 5 表示所有主幹網路層都可訓練。如果傳入
None（預設值），則該值設為 3。**kwargs – 傳遞給
torchvision.models.detection.faster_rcnn.FasterRCNN基類的引數。有關此類的更多詳細資訊，請參閱其原始碼。
- class torchvision.models.detection.FasterRCNN_ResNet50_FPN_Weights(value)[來源]¶
上面的模型構建器接受以下值作為
weights引數。FasterRCNN_ResNet50_FPN_Weights.DEFAULT等同於FasterRCNN_ResNet50_FPN_Weights.COCO_V1。您也可以使用字串，例如weights='DEFAULT'或weights='COCO_V1'。FasterRCNN_ResNet50_FPN_Weights.COCO_V1:
這些權重是透過遵循與論文中相似的訓練方案生成的。也可透過
FasterRCNN_ResNet50_FPN_Weights.DEFAULT獲取。box_map (在 COCO-val2017 上)
37.0
類別
__background__, person, bicycle, ... (省略 88 項)
最小尺寸
高度=1，寬度=1
引數數量
41755286
方案
GFLOPS
134.38
檔案大小
159.7 MB
推理變換可透過
FasterRCNN_ResNet50_FPN_Weights.COCO_V1.transforms獲取，並執行以下預處理操作：接受PIL.Image、批次(B, C, H, W)和單張(C, H, W)影像的torch.Tensor物件。影像將被縮放到[0.0, 1.0]範圍。
使用
fasterrcnn_resnet50_fpn的示例
