r3d_18

torchvision.models.video.r3d_18(*, weights: Optional[R3D_18_Weights] = None, progress: bool = True, **kwargs: Any) → VideoResNet

構建 18 層 Resnet3D 模型。

警告

影片模組處於 Beta 階段，不保證向後相容性。

參考：《進一步探究用於動作識別的時空卷積》。

引數：

• weights (R3D_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，請參閱下面的 R3D_18_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.R3D_18_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。R3D_18_Weights.DEFAULT 等同於 R3D_18_Weights.KINETICS400_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='KINETICS400_V1'。

R3D_18_Weights.KINETICS400_V1:

這些權重與論文中的精度非常接近。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。也可作為 R3D_18_Weights.DEFAULT 使用。

acc@1（在 Kinetics-400 上）	63.2
acc@5（在 Kinetics-400 上）	83.479
min_size	height=1, width=1
類別	繩降、空中擊鼓、回答問題等...（省略 397 個）
recipe	連結
num_params	33371472
GFLOPS	40.70
檔案大小	127.4 MB

推理轉換可透過 R3D_18_Weights.KINETICS400_V1.transforms 獲取，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 縮放到 resize_size=[128, 171]，然後進行中心裁剪 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，輸出維度被重排為 (..., C, T, H, W) 張量。