deeplabv3_resnet50

torchvision.models.segmentation.deeplabv3_resnet50(*, weights: Optional[DeepLabV3_ResNet50_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, aux_loss: Optional[bool] = None, weights_backbone: Optional[ResNet50_Weights] = ResNet50_Weights.IMAGENET1K_V1, **kwargs: Any) → DeepLabV3

構建一個帶有 ResNet-50 主幹的 DeepLabV3 模型。

警告

The segmentation module is in Beta stage, and backward compatibility is not guaranteed.

參考： 重新思考用於語義影像分割的空洞卷積。

引數:

• weights (DeepLabV3_ResNet50_Weights, optional) – 要使用的預訓練權重。有關更多詳細資訊和可能的值，請參見下面的 DeepLabV3_ResNet50_Weights。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則在 stderr 上顯示下載進度條。預設為 True。

• num_classes (int, 可選) – 模型的輸出類別數（包括背景）

• aux_loss (bool, optional) – 如果為 True，則使用輔助損失

• weights_backbone (ResNet50_Weights, optional) – 主幹的預訓練權重

• **kwargs – 未使用

class torchvision.models.segmentation.DeepLabV3_ResNet50_Weights(value)

上面的模型構建器接受以下值作為 weights 引數。 DeepLabV3_ResNet50_Weights.DEFAULT 等同於 DeepLabV3_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='COCO_WITH_VOC_LABELS_V1'。

DeepLabV3_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1:

這些權重是在 COCO 的一個子集上訓練的，僅使用了 Pascal VOC 資料集中存在的 20 個類別。也可作為 DeepLabV3_ResNet50_Weights.DEFAULT 使用。

miou (在 COCO-val2017-VOC-labels 上)	66.4
pixel_acc (在 COCO-val2017-VOC-labels 上)	92.4
類別	__background__、 aeroplane、bicycle、… (省略了 18 個)
min_size	height=1, width=1
引數數量	42004074
方案	連結
GFLOPS	178.72
檔案大小	160.5 MB

推理轉換可在 DeepLabV3_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1.transforms 獲得，並執行以下預處理操作：接受 PIL.Image、批次處理的 (B, C, H, W) 和單個 (C, H, W) 影像 torch.Tensor 物件。影像使用 interpolation=InterpolationMode.BILINEAR 縮放到 resize_size=[520]。最後，值首先縮放到 [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。