raft_small¶
- torchvision.models.optical_flow.raft_small(*, weights: Optional[Raft_Small_Weights] = None, progress=True, **kwargs) RAFT[source]¶
來自 RAFT 論文《RAFT: Recurrent All Pairs Field Transforms for Optical Flow》的“small”模型。
請參閱下面的示例，瞭解如何使用此模型。
- 引數：
weights (
Raft_Small_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Raft_Small_Weights。預設情況下，不使用預訓練權重。progress (bool) – 如果為 True，則在 stderr 中顯示下載進度條。預設值為 True。
**kwargs** – 傳遞給
torchvision.models.optical_flow.RAFT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.optical_flow.Raft_Small_Weights(value)[source]¶
上面的模型構建器接受以下值作為
weights引數。Raft_Small_Weights.DEFAULT等同於Raft_Small_Weights.C_T_V2。您也可以使用字串，例如weights='DEFAULT'或weights='C_T_V1'。此處報告的指標如下。
epe是“端點誤差”，表示預測光流與其真實值之間的距離（以畫素為單位）。這是對所有影像的所有畫素進行平均。per_image_epe類似，但平均方式不同：先獨立計算每張影像的 epe，然後對所有影像進行平均。這對應於原始論文中的“Fl-epe”（有時寫作“F1-epe”），並且僅用於 Kitti 資料集。fl-all也是 Kitti 特定的指標，由資料集作者定義，用於 Kitti 排行榜。它對應於 epe 小於 3px 或小於光流 L2 範數 5% 的畫素的平均值。Raft_Small_Weights.C_T_V1:
這些權重從原始論文移植而來。它們在
FlyingChairs+FlyingThings3D上訓練。epe（在 Sintel-Train-Cleanpass 上）
2.1231
epe（在 Sintel-Train-Finalpass 上）
3.279
per_image_epe（在 Kitti-Train 上）
7.6557
fl_all（在 Kitti-Train 上）
25.2801
最小尺寸
高=128，寬=128
引數數量
990162
訓練方法
GFLOPS
47.66
檔案大小
3.8 MB
推理變換可在
Raft_Small_Weights.C_T_V1.transforms中獲得，並執行以下預處理操作：接受PIL.Image、批處理的(B, C, H, W)和單張(C, H, W)影像torch.Tensor物件。影像被重新縮放到[-1.0, 1.0]。Raft_Small_Weights.C_T_V2:
這些權重在
FlyingChairs+FlyingThings3D上從頭開始訓練。也可用作Raft_Small_Weights.DEFAULT。epe（在 Sintel-Train-Cleanpass 上）
1.9901
epe（在 Sintel-Train-Finalpass 上）
3.2831
per_image_epe（在 Kitti-Train 上）
7.5978
fl_all（在 Kitti-Train 上）
25.2369
最小尺寸
高=128，寬=128
引數數量
990162
訓練方法
GFLOPS
47.66
檔案大小
3.8 MB
推理變換可在
Raft_Small_Weights.C_T_V2.transforms中獲得，並執行以下預處理操作：接受PIL.Image、批處理的(B, C, H, W)和單張(C, H, W)影像torch.Tensor物件。影像被重新縮放到[-1.0, 1.0]。
使用
raft_small的示例
