fasterrcnn_mobilenet_v3_large_320_fpn

torchvision.models.detection.fasterrcnn_mobilenet_v3_large_320_fpn(*, weights: Optional[FasterRCNN_MobileNet_V3_Large_320_FPN_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[MobileNet_V3_Large_Weights] = MobileNet_V3_Large_Weights.IMAGENET1K_V1, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) → FasterRCNN

低解析度 Faster R-CNN 模型，具有針對行動使用案例調整的 MobileNetV3-Large backbone。

警告

偵測模組處於 Beta 階段，且不保證向後相容性。

其運作方式與具有 ResNet-50 FPN backbone 的 Faster R-CNN 類似。請參閱 fasterrcnn_resnet50_fpn() 以了解更多詳細資訊。

範例

>>> model = torchvision.models.detection.fasterrcnn_mobilenet_v3_large_320_fpn(weights=FasterRCNN_MobileNet_V3_Large_320_FPN_Weights.DEFAULT)
>>> model.eval()
>>> x = [torch.rand(3, 300, 400), torch.rand(3, 500, 400)]
>>> predictions = model(x)

參數:

• weights (FasterRCNN_MobileNet_V3_Large_320_FPN_Weights, optional) – 要使用的預訓練權重。請參閱下方 FasterRCNN_MobileNet_V3_Large_320_FPN_Weights 以了解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, optional) – 若為 True，則將下載進度條顯示至 stderr。預設值為 True。

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

• weights_backbone (MobileNet_V3_Large_Weights, optional) – backbone 的預訓練權重。

• trainable_backbone_layers (int, optional) – 從最後一個區塊開始可訓練（非凍結）的層數。有效值介於 0 到 6 之間，其中 6 表示所有 backbone 層都可訓練。若傳遞 None（預設值），則此值設定為 3。

• **kwargs – 傳遞至 torchvision.models.detection.faster_rcnn.FasterRCNN 基底類別的參數。關於此類別的更多詳細資訊，請參閱 原始碼。

class torchvision.models.detection.FasterRCNN_MobileNet_V3_Large_320_FPN_Weights(value)

上述模型建構器接受以下值作為 weights 參數。FasterRCNN_MobileNet_V3_Large_320_FPN_Weights.DEFAULT 等同於 FasterRCNN_MobileNet_V3_Large_320_FPN_Weights.COCO_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='COCO_V1'。

FasterRCNN_MobileNet_V3_Large_320_FPN_Weights.COCO_V1:

這些權重是透過遵循與論文中類似的訓練配方所產生。也以 FasterRCNN_MobileNet_V3_Large_320_FPN_Weights.DEFAULT 提供。

box_map (在 COCO-val2017 上)	22.8
類別	__background__, person, bicycle, … (省略 88 個)
min_size	height=1, width=1
num_params	19386354
配方	連結
GFLOPS	0.72
檔案大小	74.2 MB

推論轉換可在 FasterRCNN_MobileNet_V3_Large_320_FPN_Weights.COCO_V1.transforms 中取得，並執行以下預處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單張 (C, H, W) 圖像 torch.Tensor 物件。圖像會重新縮放至 [0.0, 1.0]。