deeplabv3_resnet50¶
- torchvision.models.segmentation.deeplabv3_resnet50(*, weights: Optional[DeepLabV3_ResNet50_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, aux_loss: Optional[bool] = None, weights_backbone: Optional[ResNet50_Weights] = ResNet50_Weights.IMAGENET1K_V1, **kwargs: Any) DeepLabV3[source]¶
構建一個使用 ResNet-50 作為骨幹網路的 DeepLabV3 模型。
警告
分割模組處於 Beta 階段，不保證向後相容性。
參考資料: Rethinking Atrous Convolution for Semantic Image Segmentation。
- 引數:
weights (
DeepLabV3_ResNet50_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DeepLabV3_ResNet50_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。預設值為 True。
num_classes (int, optional) – 模型的輸出類別數量（包括背景）。
aux_loss (bool, optional) – 如果為 True，則使用輔助損失。
weights_backbone (
ResNet50_Weights, optional) – 骨幹網路的預訓練權重。**kwargs – 未使用。
- class torchvision.models.segmentation.DeepLabV3_ResNet50_Weights(value)[source]¶
上述模型構建器接受以下值作為
weights引數。DeepLabV3_ResNet50_Weights.DEFAULT等同於DeepLabV3_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1。您也可以使用字串，例如weights='DEFAULT'或weights='COCO_WITH_VOC_LABELS_V1'。DeepLabV3_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1:
這些權重是在 COCO 資料集的一個子集上訓練的，僅使用了 Pascal VOC 資料集中存在的 20 個類別。也可用作
DeepLabV3_ResNet50_Weights.DEFAULT。miou (在 COCO-val2017-VOC-labels 上)
66.4
pixel_acc (在 COCO-val2017-VOC-labels 上)
92.4
類別
__background__, aeroplane, bicycle, … （省略了 18 個）
min_size
height=1, width=1
num_params
42004074
recipe
GFLOPS
178.72
檔案大小
160.5 MB
推理轉換可在
DeepLabV3_ResNet50_Weights.COCO_WITH_VOC_LABELS_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。影像使用interpolation=InterpolationMode.BILINEAR重塑到resize_size=[520]。最後，值首先被縮放到[0.0, 1.0]，然後使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]進行歸一化。
