fcn_resnet101

torchvision.models.segmentation.fcn_resnet101(*, weights: Optional[FCN_ResNet101_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, aux_loss: Optional[bool] = None, weights_backbone: Optional[ResNet101_Weights] = ResNet101_Weights.IMAGENET1K_V1, **kwargs: Any) → FCN

帶有 ResNet-101 主幹網路的Fully Convolutional Networks for Semantic Segmentation 論文中的全卷積網路模型。

警告

分割模組處於 Beta 階段，不保證向後相容性。

引數：

• weights (FCN_ResNet101_Weights, 可選) – 要使用的預訓練權重。請參閱下面的 FCN_ResNet101_Weights 以獲取更多詳細資訊和可能的值。預設情況下，不使用預訓練權重。

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

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

• aux_loss (bool, 可選) – 如果為 True，則使用輔助損失。

• weights_backbone (ResNet101_Weights, 可選) – 主幹網路的預訓練權重。

• **kwargs – 傳遞給 torchvision.models.segmentation.fcn.FCN 基類的引數。請參閱原始碼以獲取此類的更多詳細資訊。

class torchvision.models.segmentation.FCN_ResNet101_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。FCN_ResNet101_Weights.DEFAULT 等同於 FCN_ResNet101_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'。

FCN_ResNet101_Weights.COCO_WITH_VOC_LABELS_V1:

這些權重在 COCO 的子集上訓練，僅使用了 Pascal VOC 資料集中存在的 20 個類別。也可透過 FCN_ResNet101_Weights.DEFAULT 訪問。

miou (在 COCO-val2017-VOC-labels 上)	63.7
pixel_acc (在 COCO-val2017-VOC-labels 上)	91.9
類別	__background__, aeroplane, bicycle, … (省略 18 個)
最小尺寸	高=1, 寬=1
引數數量	54314346
配方	連結
GFLOPS	232.74
檔案大小	207.7 MB

推理變換可在 FCN_ResNet101_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 方法縮放至 resize_size=[520]。最後，值首先縮放到 [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。