ssd300_vgg16

torchvision.models.detection.ssd300_vgg16(*, weights: Optional[SSD300_VGG16_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[VGG16_Weights] = VGG16_Weights.IMAGENET1K_FEATURES, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) → SSD

SSD300 模型基於 SSD: Single Shot MultiBox Detector 論文。

警告

檢測模組處於 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，並且應在 0-1 範圍內。不同影像可以有不同大小，但在傳遞給主幹網路之前，它們將被調整為固定大小。

模型的行為會根據其處於訓練模式還是評估模式而改變。

在訓練期間，模型需要輸入張量和目標（字典列表），其中包含

• boxes (FloatTensor[N, 4]): 真實標註框，格式為 [x1, y1, x2, y2]，其中 0 <= x1 < x2 <= W 且 0 <= y1 < y2 <= H。

• labels (Int64Tensor[N]): 每個真實標註框的類別標籤

在訓練期間，模型返回一個 Dict[Tensor]，其中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 是檢測到的數量

• 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]): 每個檢測結果的置信度分數

示例

>>> model = torchvision.models.detection.ssd300_vgg16(weights=SSD300_VGG16_Weights.DEFAULT)
>>> model.eval()
>>> x = [torch.rand(3, 300, 300), torch.rand(3, 500, 400)]
>>> predictions = model(x)

引數:

• weights (SSD300_VGG16_Weights, optional) – 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 SSD300_VGG16_Weights。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 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, optional) – 模型的輸出類別數量（包括背景類別）

• weights_backbone (VGG16_Weights, optional) – 主幹網路的預訓練權重

• trainable_backbone_layers (int, optional) – 從最後一個塊開始，可訓練（未凍結）層的數量。有效值介於 0 和 5 之間，5 表示所有主幹網路層都可訓練。如果傳入 None（預設值），則此值設定為 4。

• **kwargs – 傳遞給 torchvision.models.detection.SSD 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.SSD300_VGG16_Weights(value)

上述模型構建器接受以下值作為 weights 引數。SSD300_VGG16_Weights.DEFAULT 等同於 SSD300_VGG16_Weights.COCO_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='COCO_V1'。

SSD300_VGG16_Weights.COCO_V1:

這些權重是按照與論文中類似的訓練方法生成的。也可用作 SSD300_VGG16_Weights.DEFAULT。

box_map（在 COCO-val2017 上）	25.1
引數數量	35641826
類別	__background__（背景）、person（人）、bicycle（腳踏車）、…（省略 88 個）
最小尺寸	height=1, width=1
訓練方法	連結
GFLOPS	34.86
檔案大小	136.0 MB

推理轉換可透過 SSD300_VGG16_Weights.COCO_V1.transforms 獲取，並執行以下預處理操作：接受 PIL.Image、批處理 (B, C, H, W) 和單張 (C, H, W) 影像 torch.Tensor 物件。影像將被縮放到 [0.0, 1.0] 範圍內。