s3d¶
- torchvision.models.video.s3d(*, weights: Optional[S3D_Weights] = None, progress: bool = True, **kwargs: Any) S3D[source]¶
構建可分離 3D CNN 模型。
參考：重新思考時空特徵學習。
警告
影片模組處於 Beta 階段，不保證向後相容性。
- 引數：
weights (
S3D_Weights, optional) – 要使用的預訓練權重。請參閱S3D_Weights下方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) – 如果為 True，則在標準錯誤輸出 (stderr) 中顯示下載進度條。預設值為 True。
**kwargs – 傳遞給
torchvision.models.video.S3D基類的引數。請參閱原始碼瞭解此類的更多詳細資訊。
- class torchvision.models.video.S3D_Weights(value)[source]¶
上述模型構建器接受以下值作為
weights引數。S3D_Weights.DEFAULT等同於S3D_Weights.KINETICS400_V1。您也可以使用字串，例如weights='DEFAULT'或weights='KINETICS400_V1'。S3D_Weights.KINETICS400_V1:
此權重旨在近似達到論文中的精度。精度在片段級別進行估計，引數為frame_rate=15、clips_per_video=1，以及clip_len=128。也可作為
S3D_Weights.DEFAULT獲得。acc@1（在 Kinetics-400 上）
68.368
acc@5（在 Kinetics-400 上）
88.05
min_size
height=224, width=224
min_temporal_size
14
類別
下降，空氣打鼓，回答問題，…（省略 397 項）
復現方法
引數數量
8320048
GFLOPS
17.98
檔案大小
32.0 MB
推理變換可透過
S3D_Weights.KINETICS400_V1.transforms獲得，並執行以下預處理操作：接受批處理的(B, T, C, H, W)和單個的(T, C, H, W)影片幀torch.Tensor物件。幀使用interpolation=InterpolationMode.BILINEAR縮放到resize_size=[256, 256]，然後進行中心裁剪，大小為crop_size=[224, 224]。最後，首先將值重新縮放到[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，輸出維度被置換為(..., C, T, H, W)張量。
