fcn_resnet50¶
- torchvision.models.segmentation.fcn_resnet50(*, weights: Optional[FCN_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) FCN[原始碼]¶
來自 Fully Convolutional Networks for Semantic Segmentation 論文的全卷積網路模型，使用了 ResNet-50 作為骨幹網路。
警告
The segmentation module is in Beta stage, and backward compatibility is not guaranteed.
- 引數:
weights (
FCN_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，請參閱下面的FCN_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, optional) – 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, 可選) – 主幹的預訓練權重。**kwargs – 傳遞給
torchvision.models.segmentation.fcn.FCN基類的引數。有關此類更多詳細資訊，請參閱 原始碼。
- class torchvision.models.segmentation.FCN_ResNet50_Weights(value)[原始碼]¶
上面的模型構建器接受以下值作為
weights引數。FCN_ResNet50_Weights.DEFAULT等同於FCN_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'。FCN_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
FCN_ResNet50_Weights.DEFAULT使用。miou (在 COCO-val2017-VOC-labels 上)
60.5
pixel_acc (在 COCO-val2017-VOC-labels 上)
91.4
類別
__background__、 aeroplane、bicycle、… (省略了 18 個)
min_size
height=1, width=1
引數數量
35322218
方案
GFLOPS
152.72
檔案大小
135.0 MB
推理轉換可在
FCN_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1.transforms處找到，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。使用interpolation=InterpolationMode.BILINEAR將影像調整為resize_size=[520]。最後，先將值縮放到[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。
使用
fcn_resnet50的示例
