ssd300_vgg16

torchvision.models.detection.ssd300_vgg16(*, weights: Optional[SSD300_VGG16_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[VGG16_Weights] = VGG16_Weights.IMAGENET1K_FEATURES, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) → SSD

SSD300 模型基於 SSD: Single Shot MultiBox Detector 論文。

警告

偵測模組處於 Beta 階段，不保證向後相容性。

模型的輸入預期為 tensor 的列表，每個 tensor 的形狀為 [C, H, W]，每個圖像一個，且應在 0-1 範圍內。不同的圖像可以具有不同的尺寸，但在傳遞給 backbone 之前，它們將被調整為固定尺寸。

模型的行為取決於它處於訓練還是評估模式。

在訓練期間，模型預期同時接收輸入 tensors 和 targets（字典列表），其中包含：

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

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

在訓練期間，模型返回一個 Dict[Tensor]，其中包含分類和迴歸損失。

在推論期間，模型只需要輸入 tensors，並將後處理的預測作為 List[Dict[Tensor]] 返回，每個輸入圖像一個。Dict 的欄位如下，其中 N 是檢測的數量：

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

• labels (Int64Tensor[N]): 每個檢測的預測標籤

• scores (Tensor[N]): 每個檢測的分數

範例

>>> model = torchvision.models.detection.ssd300_vgg16(weights=SSD300_VGG16_Weights.DEFAULT)
>>> model.eval()
>>> x = [torch.rand(3, 300, 300), torch.rand(3, 500, 400)]
>>> predictions = model(x)

參數:

• weights (SSD300_VGG16_Weights, optional) – 要使用的預訓練權重。有關更多詳細資訊和可能的值，請參閱下方的 SSD300_VGG16_Weights。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 如果為 True，則會將下載的進度條顯示到 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 (VGG16_Weights, optional) – backbone 的預訓練權重

• trainable_backbone_layers (int, optional) – 從最後一個區塊開始的可訓練（非凍結）層的數量。有效值介於 0 到 5 之間，5 表示所有 backbone 層都可訓練。如果傳遞 None（預設值），則此值設定為 4。

• **kwargs – 傳遞給 torchvision.models.detection.SSD 基底類別的參數。有關此類別的更多詳細資訊，請參閱原始碼。

class torchvision.models.detection.SSD300_VGG16_Weights(value)

上述模型建構器接受以下值作為 weights 參數。SSD300_VGG16_Weights.DEFAULT 等同於 SSD300_VGG16_Weights.COCO_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='COCO_V1'。

SSD300_VGG16_Weights.COCO_V1:

這些權重是通過遵循與論文中類似的訓練方法產生的。也可以使用 SSD300_VGG16_Weights.DEFAULT。

box_map (on COCO-val2017)	25.1
num_params	35641826
categories	__background__, person, bicycle, … (省略 88 個)
min_size	height=1, width=1
recipe	link
GFLOPS	34.86
File size	136.0 MB

推理轉換可在 SSD300_VGG16_Weights.COCO_V1.transforms 中找到，並執行以下預處理操作：接受 PIL.Image、批次化的 (B, C, H, W) 和單一的 (C, H, W) 圖像 torch.Tensor 物件。影像會重新縮放至 [0.0, 1.0]。