retinanet_resnet50_fpn_v2

torchvision.models.detection.retinanet_resnet50_fpn_v2(*, weights: Optional[RetinaNet_ResNet50_FPN_V2_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[ResNet50_Weights] = None, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) → RetinaNet

建構具有 ResNet-50-FPN 主幹的改良型 RetinaNet 模型。

警告

偵測模組處於 Beta 階段，不保證向後相容性。

參考文獻：Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection。

如需更多詳細資訊，請參閱 retinanet_resnet50_fpn()。

參數:

• weights (RetinaNet_ResNet50_FPN_V2_Weights, 選用) – 要使用的預訓練權重。詳情請參閱下方的 RetinaNet_ResNet50_FPN_V2_Weights，以及可能的值。預設情況下，不使用預訓練權重。

• progress (bool) – 若為 True，則在 stderr 上顯示下載進度條。預設值為 True。

• num_classes (int, 選用) – 模型輸出的類別數量 (包含背景)

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

• trainable_backbone_layers (int, 選用) – 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 5 之間，其中 5 表示所有主幹層皆可訓練。若傳遞 None (預設值)，則此值會設為 3。

• **kwargs – 傳遞至 torchvision.models.detection.RetinaNet 基底類別的參數。關於此類別的更多詳細資訊，請參閱原始程式碼。

class torchvision.models.detection.RetinaNet_ResNet50_FPN_V2_Weights(value)

上述模型建構器接受下列值作為 weights 參數。RetinaNet_ResNet50_FPN_V2_Weights.DEFAULT 等同於 RetinaNet_ResNet50_FPN_V2_Weights.COCO_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='COCO_V1'。

RetinaNet_ResNet50_FPN_V2_Weights.COCO_V1:

這些權重是使用增強的訓練食譜產生，以提高模型準確性。也可作為 RetinaNet_ResNet50_FPN_V2_Weights.DEFAULT 使用。

box_map (在 COCO-val2017 上)	41.5
類別	__background__、person、bicycle、… (省略 88 個)
min_size	height=1, width=1
num_params	38198935
recipe	link
GFLOPS	152.24
檔案大小	146.0 MB

推論轉換可在 RetinaNet_ResNet50_FPN_V2_Weights.COCO_V1.transforms 中取得，並執行下列預先處理操作：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]。