fasterrcnn_resnet50_fpn_v2¶
- torchvision.models.detection.fasterrcnn_resnet50_fpn_v2(*, weights: Optional[FasterRCNN_ResNet50_FPN_V2_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[ResNet50_Weights] = None, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) FasterRCNN[source]¶
根據《使用視覺 Transformer 對檢測遷移學習進行基準測試》論文，構建了一個改進的 Faster R-CNN 模型，該模型具有 ResNet-50-FPN 主幹網路。
警告
檢測模組處於 Beta 階段，不保證向後相容性。
它的工作方式與帶有 ResNet-50 FPN 主幹網路的 Faster R-CNN 類似。更多詳細資訊請參見
fasterrcnn_resnet50_fpn()。- 引數：
weights (
FasterRCNN_ResNet50_FPN_V2_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，請參見下方的FasterRCNN_ResNet50_FPN_V2_Weights。預設情況下，不使用預訓練權重。progress (bool, 可選) – 如果為 True，則向標準錯誤輸出顯示下載進度條。預設為 True。
num_classes (int, 可選) – 模型輸出類別的數量（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) – 從最後一個塊開始的可訓練（未凍結）層數。有效值範圍在 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），此值將被設定為 3。**kwargs – 傳遞給
torchvision.models.detection.faster_rcnn.FasterRCNN基類的引數。有關此類別的更多詳細資訊，請參閱原始碼。
- class torchvision.models.detection.FasterRCNN_ResNet50_FPN_V2_Weights(value)[source]¶
上述模型構建器接受以下值作為
weights引數。FasterRCNN_ResNet50_FPN_V2_Weights.DEFAULT等同於FasterRCNN_ResNet50_FPN_V2_Weights.COCO_V1。您也可以使用字串，例如weights='DEFAULT'或weights='COCO_V1'。FasterRCNN_ResNet50_FPN_V2_Weights.COCO_V1:
這些權重是使用改進的訓練策略生成的，以提高模型準確性。也可透過
FasterRCNN_ResNet50_FPN_V2_Weights.DEFAULT獲取。box_map (在 COCO-val2017 上)
46.7
類別
__background__, person, bicycle, ... (省略了 88 個)
min_size
height=1, width=1
num_params
43712278
訓練策略
GFLOPS
280.37
檔案大小
167.1 MB
推理轉換可透過
FasterRCNN_ResNet50_FPN_V2_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)和單個(C, H, W)影像torch.Tensor物件。影像被重新縮放到[0.0, 1.0]。
