retinanet_resnet50_fpn_v2

torchvision.models.detection.retinanet_resnet50_fpn_v2(*, weights: Optional[RetinaNet_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) → RetinaNet

構建一個改進的、使用 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: 透過自適應訓練樣本選擇彌合基於錨框和無錨框檢測之間的差距。

有關更多詳細資訊，請參閱retinanet_resnet50_fpn()。

引數：

• weights (RetinaNet_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，請參閱下方的RetinaNet_ResNet50_FPN_V2_Weights。預設情況下，不使用預訓練權重。

• progress (bool) – 如果為 True，則在 stderr 顯示下載進度條。預設為 True。

• num_classes (int, 可選) – 模型的輸出類別數（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) – 從最終塊開始的可訓練（未凍結）層數。有效值介於 0 和 5 之間，其中 5 表示所有主幹網路層都可訓練。如果傳遞 None（預設值），則此值設定為 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_V2_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。RetinaNet_ResNet50_FPN_V2_Weights.DEFAULT 等同於 RetinaNet_ResNet50_FPN_V2_Weights.COCO_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='COCO_V1'。

RetinaNet_ResNet50_FPN_V2_Weights.COCO_V1:

這些權重是使用增強的訓練配方生成的，以提高模型準確性。也可用作 RetinaNet_ResNet50_FPN_V2_Weights.DEFAULT。

box_map（在 COCO-val2017 上）	41.5
類別	__background__, person, bicycle, … (省略 88 個)
最小尺寸	height=1, width=1
引數數量	38198935
訓練配方	連結
GFLOPS	152.24
檔案大小	146.0 MB

推理轉換可在 RetinaNet_ResNet50_FPN_V2_Weights.COCO_V1.transforms 中獲得，並執行以下預處理操作：接受 PIL.Image、批處理 (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]。