r2plus1d_18

torchvision.models.video.r2plus1d_18(*, weights: Optional[R2Plus1D_18_Weights] = None, progress: bool = True, **kwargs: Any) → VideoResNet

構建如論文所述的 18 層深度 R(2+1)D 網路

警告

影片模組處於 Beta 階段，不保證向後相容性。

參考: 用於行為識別的時空卷積探究。

引數:

• weights (R2Plus1D_18_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，請參閱下方的 R2Plus1D_18_Weights。預設不使用預訓練權重。

• progress (布林值) – 如果為 True，則在 stderr 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。

類 torchvision.models.video.R2Plus1D_18_Weights(value)

上述模型構建器接受以下值作為 weights 引數。R2Plus1D_18_Weights.DEFAULT 等同於 R2Plus1D_18_Weights.KINETICS400_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='KINETICS400_V1'。

R2Plus1D_18_Weights.KINETICS400_V1:

這些權重能很好地復現論文中的精度。精度是在影片級別使用引數 frame_rate=15、clips_per_video=5 和 clip_len=16 進行估計的。也可用作 R2Plus1D_18_Weights.DEFAULT。

acc@1 (在 Kinetics-400 上)	67.463
acc@5 (在 Kinetics-400 上)	86.175
最小尺寸	height=1, width=1
類別	繩降、空氣打鼓、回答問題... (省略 397 項)
方法	連結
引數數量	31505325
GFLOPS	40.52
檔案大小	120.3 MB

推理變換可在 R2Plus1D_18_Weights.KINETICS400_V1.transforms 找到，並執行以下預處理操作：接受批處理的 (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 被縮放到 resize_size=[128, 171]，然後進行中心裁剪到 crop_size=[112, 112]。最後，值首先被重新縮放到 [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，輸出維度被調整為 (..., C, T, H, W) 張量。