deeplabv3_resnet101¶
- torchvision.models.segmentation.deeplabv3_resnet101(*, weights: Optional[DeepLabV3_ResNet101_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, aux_loss: Optional[bool] = None, weights_backbone: Optional[ResNet101_Weights] = ResNet101_Weights.IMAGENET1K_V1, **kwargs: Any) DeepLabV3[source]¶
建構具有 ResNet-101 主幹網路的 DeepLabV3 模型。
警告
分割模組處於 Beta 階段，不保證向後相容性。
參考文獻：Rethinking Atrous Convolution for Semantic Image Segmentation。
- 參數:
weights (
DeepLabV3_ResNet101_Weights, optional) – 要使用的預訓練權重。請參閱下方的DeepLabV3_ResNet101_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, optional) – 如果為 True，則在 stderr 上顯示下載進度條。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 (
ResNet101_Weights, optional) – 主幹網路的預訓練權重**kwargs – 未使用
- class torchvision.models.segmentation.DeepLabV3_ResNet101_Weights(value)[source]¶
上述模型建構器接受以下值作為
weights參數。DeepLabV3_ResNet101_Weights.DEFAULT等同於DeepLabV3_ResNet101_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_ResNet101_Weights.COCO_WITH_VOC_LABELS_V1:
這些權重是在 COCO 的子集上訓練的，僅使用 Pascal VOC 資料集中存在的 20 個類別。也可用作
DeepLabV3_ResNet101_Weights.DEFAULT。miou (在 COCO-val2017-VOC-labels 上)
67.4
pixel_acc (在 COCO-val2017-VOC-labels 上)
92.4
類別
__background__, aeroplane, bicycle, … (已省略 18 個)
min_size
height=1, width=1
num_params
60996202
recipe
GFLOPS
258.74
檔案大小
233.2 MB
推論轉換可在
DeepLabV3_ResNet101_Weights.COCO_WITH_VOC_LABELS_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。影像會使用interpolation=InterpolationMode.BILINEAR調整大小為resize_size=[520]。最後，值會先重新縮放至[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。
