swin3d_s

torchvision.models.video.swin3d_s(*, weights: Optional[Swin3D_S_Weights] = None, progress: bool = True, **kwargs: Any) → SwinTransformer3d

從 Video Swin Transformer 構建一個 swin_small 架構。

引數:

• weights (Swin3D_S_Weights, optional) – 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 Swin3D_S_Weights。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則在標準錯誤輸出中顯示下載進度條。預設為 True。

• **kwargs – 傳遞給 torchvision.models.video.swin_transformer.SwinTransformer 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.Swin3D_S_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。Swin3D_S_Weights.DEFAULT 等同於 Swin3D_S_Weights.KINETICS400_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='KINETICS400_V1'。

Swin3D_S_Weights.KINETICS400_V1:

這些權重是從論文中移植的。準確度是在影片級別估計的，引數為 frame_rate=15，clips_per_video=12 和 clip_len=32。也可作為 Swin3D_S_Weights.DEFAULT 使用。

acc@1（在 Kinetics-400 上）	79.521
acc@5（在 Kinetics-400 上）	94.158
類別	速降、空氣打鼓、回答問題，…（省略 397 項）
最小尺寸	高度=1, 寬度=1
最小時間尺寸	1
方法	連結
引數數量	49816678
GFLOPS	82.84
檔案大小	218.3 MB

推理轉換可在 Swin3D_S_Weights.KINETICS400_V1.transforms 處獲得，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 被重塑為 resize_size=[256]，然後進行中心裁剪，裁剪尺寸為 crop_size=[224, 224]。最後，值首先被重新縮放到 [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。最後，輸出維度被排列為 (..., C, T, H, W) 張量。