deeplabv3_mobilenet_v3_large

torchvision.models.segmentation.deeplabv3_mobilenet_v3_large(*, weights: Optional[DeepLabV3_MobileNet_V3_Large_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, aux_loss: Optional[bool] = None, weights_backbone: Optional[MobileNet_V3_Large_Weights] = MobileNet_V3_Large_Weights.IMAGENET1K_V1, **kwargs: Any) → DeepLabV3

建構具有 MobileNetV3-Large 主幹的 DeepLabV3 模型。

參考：重新思考用於語義圖像分割的 Atrous 卷積。

參數:

• weights ( DeepLabV3_MobileNet_V3_Large_Weights, optional) – 要使用的預訓練權重。詳情請參閱下方的 DeepLabV3_MobileNet_V3_Large_Weights，以及可能的值。預設情況下，不使用任何預訓練權重。

• progress (bool, optional) – 如果為 True，則將下載進度條顯示到 stderr。預設值為 True。

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

• aux_loss (bool, optional) – 如果為 True，則使用輔助損失

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

• **kwargs – 未使用

class torchvision.models.segmentation.DeepLabV3_MobileNet_V3_Large_Weights(value)

上面的模型建構器接受以下值作為 weights 參數。DeepLabV3_MobileNet_V3_Large_Weights.DEFAULT 等同於 DeepLabV3_MobileNet_V3_Large_Weights.COCO_WITH_VOC_LABELS_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='COCO_WITH_VOC_LABELS_V1'。

DeepLabV3_MobileNet_V3_Large_Weights.COCO_WITH_VOC_LABELS_V1:

這些權重是在 COCO 的一個子集上訓練的，僅使用 Pascal VOC 資料集中存在的 20 個類別。也可用作 DeepLabV3_MobileNet_V3_Large_Weights.DEFAULT。

miou (在 COCO-val2017-VOC-labels 上)	60.3
pixel_acc (在 COCO-val2017-VOC-labels 上)	91.2
categories	__background__, aeroplane, bicycle, … (省略了 18 個)
min_size	height=1, width=1
num_params	11029328
recipe	link
GFLOPS	10.45
File size	42.3 MB

推論轉換可在 DeepLabV3_MobileNet_V3_Large_Weights.COCO_WITH_VOC_LABELS_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) 和單個 (C, H, W) 影像 torch.Tensor 物件。使用 interpolation=InterpolationMode.BILINEAR 將影像調整大小為 resize_size=[520]。最後，這些值首先重新縮放到 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行正規化。