s3d¶
- torchvision.models.video.s3d(\*, weights: Optional[S3D_Weights] = None, progress: bool = True, **kwargs: Any) S3D[原始碼]¶
構造可分離 3D 卷積模型。
參考文獻： 重新思考時空特徵學習。
警告
The video module is in Beta stage, and backward compatibility is not guaranteed.
- 引數:
weights (
S3D_Weights, 可選) – 要使用的預訓練權重。有關更多詳細資訊和可能值，請參閱下面的S3D_Weights。預設情況下，不使用預訓練權重。progress (bool) – 如果為 True，則在 stderr 上顯示下載進度條。預設為 True。
**kwargs – 傳遞給
torchvision.models.video.S3D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.S3D_Weights(value)[原始碼]¶
上面的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:
這些權重旨在接近論文中的準確度。準確度是在剪輯級別使用引數 frame_rate=15、clips_per_video=1 和 clip_len=128 來估算的。也可用作
S3D_Weights.DEFAULT。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
abseiling, air drumming, answering questions, … (省略397項)
方案
引數數量
8320048
GFLOPS
17.98
檔案大小
32.0 MB
推理轉換可在
S3D_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。使用interpolation=InterpolationMode.BILINEAR將幀調整為resize_size=[256, 256]，然後進行中心裁剪crop_size=[224, 224]。最後，將值首先縮放到[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，將輸出維度置換為(..., C, T, H, W)張量。
