mc3_18¶
- torchvision.models.video.mc3_18(*, weights: Optional[MC3_18_Weights] = None, progress: bool = True, **kwargs: Any) VideoResNet[source]¶
構建 18 層混合卷積網路，如
警告
影片模組處於 Beta 階段，不保證向下相容。
參考：A Closer Look at Spatiotemporal Convolutions for Action Recognition。
- 引數:
weights (
MC3_18_Weights, 可選) – 要使用的預訓練權重。詳情及可選值請參見下方的MC3_18_Weights。預設情況下不使用預訓練權重。progress (bool) – 如果為 True，則向標準錯誤輸出顯示下載進度條。預設為 True。
\*\*kwargs – 傳遞給
torchvision.models.video.resnet.VideoResNet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.video.MC3_18_Weights(value)[source]¶
上述模型構建器接受以下值作為
weights引數。MC3_18_Weights.DEFAULT等同於MC3_18_Weights.KINETICS400_V1。您也可以使用字串，例如weights='DEFAULT'或weights='KINETICS400_V1'。MC3_18_Weights.KINETICS400_V1:
這些權重與論文中的準確率非常接近。準確率是根據影片級別估算的，使用的引數為 frame_rate=15、clips_per_video=5 和 clip_len=16。也可透過
MC3_18_Weights.DEFAULT獲取。acc@1 (在 Kinetics-400 上)
63.96
acc@5 (在 Kinetics-400 上)
84.13
最小尺寸
height=1, width=1
類別
繩降、空氣擊鼓、回答問題，... (省略 397 個)
方法
引數數量
11695440
GFLOPS
43.34
檔案大小
44.7 MB
推理轉換可在
MC3_18_Weights.KINETICS400_V1.transforms中找到，並執行以下預處理操作：接受批次(B, T, C, H, W)和單個(T, C, H, W)影片幀torch.Tensor物件。幀使用interpolation=InterpolationMode.BILINEAR重塑為resize_size=[128, 171]，接著進行中心裁剪crop_size=[112, 112]。最後，值首先縮放到[0.0, 1.0]，然後使用mean=[0.43216, 0.394666, 0.37645]和std=[0.22803, 0.22145, 0.216989]進行歸一化。最後將輸出維度轉換為(..., C, T, H, W)張量。
