retinanet_resnet50_fpn

torchvision.models.detection.retinanet_resnet50_fpn(*, weights: Optional[RetinaNet_ResNet50_FPN_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[ResNet50_Weights] = ResNet50_Weights.IMAGENET1K_V1, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) → RetinaNet

建構具有 ResNet-50-FPN backbone 的 RetinaNet 模型。

警告

偵測模組處於 Beta 階段，且不保證向後相容性。

參考文獻：Focal Loss for Dense Object Detection。

模型的輸入預期為張量列表，每個張量的形狀為 [C, H, W]，每個影像一個，且應在 0-1 範圍內。不同的影像可以有不同的大小。

模型的行為會根據其處於訓練或評估模式而改變。

在訓練期間，模型預期同時接收輸入張量和目標（字典列表），其中包含

• boxes (FloatTensor[N, 4])：[x1, y1, x2, y2] 格式的 ground-truth boxes，其中 0 <= x1 < x2 <= W 且 0 <= y1 < y2 <= H。

• labels (Int64Tensor[N])：每個 ground-truth box 的類別標籤

模型在訓練期間會回傳 Dict[Tensor]，其中包含分類和迴歸損失。

在推論期間，模型僅需要輸入張量，並將後處理的預測結果作為 List[Dict[Tensor]] 回傳，每個輸入影像一個。Dict 的欄位如下，其中 N 是偵測數量

• boxes (FloatTensor[N, 4])：[x1, y1, x2, y2] 格式的預測 boxes，其中 0 <= x1 < x2 <= W 且 0 <= y1 < y2 <= H。

• labels (Int64Tensor[N])：每個偵測的預測標籤

• scores (Tensor[N])：每個偵測的分數

關於輸出的更多詳細資訊，您可以參考Instance segmentation models。

範例

>>> model = torchvision.models.detection.retinanet_resnet50_fpn(weights=RetinaNet_ResNet50_FPN_Weights.DEFAULT)
>>> model.eval()
>>> x = [torch.rand(3, 300, 400), torch.rand(3, 500, 400)]
>>> predictions = model(x)

參數:

• weights (RetinaNet_ResNet50_FPN_Weights, optional) – 要使用的預訓練權重。請參閱下方的 RetinaNet_ResNet50_FPN_Weights 以取得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) – 如果為 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 (ResNet50_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（未凍結）的層數。有效值介於 0 和 5 之間，其中 5 表示所有 backbone 層都可訓練。如果傳遞 None（預設值），則此值設為 3。

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

class torchvision.models.detection.RetinaNet_ResNet50_FPN_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。RetinaNet_ResNet50_FPN_Weights.DEFAULT 等同於 RetinaNet_ResNet50_FPN_Weights.COCO_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='COCO_V1'。

RetinaNet_ResNet50_FPN_Weights.COCO_V1:

這些權重是透過遵循與論文中類似的訓練方法產生的。也可用作 RetinaNet_ResNet50_FPN_Weights.DEFAULT。

box_map (在 COCO-val2017 上)	36.4
類別	__background__, person, bicycle, … (省略 88 個)
min_size	height=1, width=1
num_params	34014999
recipe	link
GFLOPS	151.54
檔案大小	130.3 MB

推論轉換可在 RetinaNet_ResNet50_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) 影像 torch.Tensor 物件。影像會重新縮放至 [0.0, 1.0]。