fcn_resnet50

torchvision.models.segmentation.fcn_resnet50(*, weights: Optional[FCN_ResNet50_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, aux_loss: Optional[bool] = None, weights_backbone: Optional[ResNet50_Weights] = ResNet50_Weights.IMAGENET1K_V1, **kwargs: Any) → FCN

使用來自 全卷積網路語義分割 論文的 ResNet-50 主幹的全卷積網路模型。

警告

分割模組處於 Beta 階段，不保證向後相容性。

參數:

• weights (FCN_ResNet50_Weights, 選用) – 要使用的預訓練權重。請參閱下方 FCN_ResNet50_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, 選用) – 若為 True，則將下載進度條顯示至 stderr。預設值為 True。

• num_classes (int, 選用) – 模型的輸出類別數量（包含背景）。

• aux_loss (bool, 選用) – 若為 True，則使用輔助損失。

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

• **kwargs – 傳遞至 torchvision.models.segmentation.fcn.FCN 基底類別的參數。請參閱 原始碼 以取得關於此類別的更多詳細資訊。

class torchvision.models.segmentation.FCN_ResNet50_Weights(value)

上述模型建構器接受下列值作為 weights 參數。FCN_ResNet50_Weights.DEFAULT 等同於 FCN_ResNet50_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'。

FCN_ResNet50_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。也以 FCN_ResNet50_Weights.DEFAULT 提供。

miou (在 COCO-val2017-VOC-labels 上)	60.5
pixel_acc (在 COCO-val2017-VOC-labels 上)	91.4
類別	__background__、飛機、腳踏車、… (已省略 18 個)
min_size	height=1, width=1
num_params	35322218
recipe	link
GFLOPS	152.72
檔案大小	135.0 MB

推論轉換可在 FCN_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1.transforms 中取得，並執行下列預處理操作：接受 PIL.Image、批次 (B, C, H, W) 和單張 (C, H, W) 圖片 torch.Tensor 物件。圖片會使用 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。

fcn_resnet50 的使用範例

視覺化工具

視覺化工具