retinanet_resnet50_fpn

torchvision.models.detection.retinanet_resnet50_fpn(*, weights: Optional[RetinaNet_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) → RetinaNet

構建一個帶有 ResNet-50-FPN 主幹網路的 RetinaNet 模型。

警告

檢測模組處於 Beta 階段，不保證向後相容性。

參考：密集目標檢測的 Focal Loss。

模型的輸入預期為一個張量列表，每個張量的形狀為 [C, H, W]，代表一張影像，其值應在 0-1 範圍內。不同影像可以有不同的大小。

模型的行為取決於其處於訓練模式還是評估模式。

在訓練期間，模型需要輸入張量和目標（字典列表），目標包含：

• boxes（FloatTensor[N, 4]）：ground-truth 框，格式為 [x1, y1, x2, y2]，其中 0 <= x1 < x2 <= W 且 0 <= y1 < y2 <= H。

• labels（Int64Tensor[N]）：每個 ground-truth 框的類別標籤

在訓練期間，模型返回一個 Dict[Tensor]，包含分類損失和迴歸損失。

在推理期間，模型只需要輸入張量，並返回後處理後的預測結果，格式為 List[Dict[Tensor]]，每個輸入影像對應一個。Dict 的欄位如下，其中 N 為檢測到的數量：

• boxes（FloatTensor[N, 4]）：預測框，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]）：每個檢測結果的得分

有關輸出的更多詳細資訊，請參閱 Instance segmentation models。

示例

>>> model = torchvision.models.detection.retinanet_resnet50_fpn(weights=RetinaNet_ResNet50_FPN_Weights.DEFAULT)
>>> model.eval()
>>> x = [torch.rand(3, 300, 400), torch.rand(3, 500, 400)]
>>> predictions = model(x)

引數：

• weights (RetinaNet_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，請參閱下面的 RetinaNet_ResNet50_FPN_Weights。預設情況下，不使用預訓練權重。

• progress (bool) – 如果為 True，則向 stderr 顯示下載進度條。預設值為 True。

• num_classes (int, 可選) – 模型的輸出類別數（包括背景類別）

• weights_backbone (ResNet50_Weights, 可選) – 主幹網路的預訓練權重。

• trainable_backbone_layers (int, 可選) – 從最終塊開始的可訓練（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），此值將設定為 3。

• **kwargs – 傳遞給 torchvision.models.detection.RetinaNet 基類的引數。有關此類的更多詳細資訊，請參閱原始碼。

class torchvision.models.detection.RetinaNet_ResNet50_FPN_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。RetinaNet_ResNet50_FPN_Weights.DEFAULT 等效於 RetinaNet_ResNet50_FPN_Weights.COCO_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='COCO_V1'。

RetinaNet_ResNet50_FPN_Weights.COCO_V1:

這些權重是透過遵循與論文中類似的訓練方案生成的。也可作為 RetinaNet_ResNet50_FPN_Weights.DEFAULT 使用。

box_map（在 COCO-val2017 上）	36.4
類別	__background__, person, bicycle, … （省略 88 個）
最小尺寸	height=1, width=1
引數數量	34014999
訓練方案	連結
GFLOPS	151.54
檔案大小	130.3 MB

推理變換可在 RetinaNet_ResNet50_FPN_Weights.COCO_V1.transforms 找到，並執行以下預處理操作：接受 PIL.Image、批處理的 (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] 範圍。