r2plus1d_18

torchvision.models.video.r2plus1d_18(*, weights: Optional[R2Plus1D_18_Weights] = None, progress: bool = True, **kwargs: Any) → VideoResNet

建構如以下論文中描述的 18 層深度 R(2+1)D 網路

警告

影片模組處於 Beta 階段，不保證向後相容性。

參考文獻：A Closer Look at Spatiotemporal Convolutions for Action Recognition。

參數:

• weights (R2Plus1D_18_Weights, optional) – 要使用的預訓練權重。請參閱下方的 R2Plus1D_18_Weights 以了解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) – 若為 True，則在 stderr 上顯示下載進度條。預設值為 True。

• **kwargs – 傳遞至 torchvision.models.video.resnet.VideoResNet 基底類別的參數。關於此類別的更多詳細資訊，請參閱原始碼。

class torchvision.models.video.R2Plus1D_18_Weights(value)

上述模型建構器接受以下值作為 weights 參數。R2Plus1D_18_Weights.DEFAULT 等同於 R2Plus1D_18_Weights.KINETICS400_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='KINETICS400_V1'。

R2Plus1D_18_Weights.KINETICS400_V1:

這些權重密切重現了論文的準確度。準確度是以影片層級估算的，參數為 frame_rate=15、clips_per_video=5 和 clip_len=16。也以 R2Plus1D_18_Weights.DEFAULT 提供。

acc@1 (在 Kinetics-400 上)	67.463
acc@5 (在 Kinetics-400 上)	86.175
min_size	height=1, width=1
categories	垂降, 空氣鼓, 回答問題, … (省略 397 個)
recipe	link
num_params	31505325
GFLOPS	40.52
檔案大小	120.3 MB

推論轉換可在 R2Plus1D_18_Weights.KINETICS400_V1.transforms 中取得，並執行以下預處理操作：接受批次 (B, T, C, H, W) 和單一 (T, C, H, W) 影片影格 torch.Tensor 物件。影格會使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[128, 171]，然後進行 crop_size=[112, 112] 的中心裁剪。最後，值會先重新縮放至 [0.0, 1.0]，然後使用 mean=[0.43216, 0.394666, 0.37645] 和 std=[0.22803, 0.22145, 0.216989] 進行正規化。最後，輸出維度會置換為 (..., C, T, H, W) 張量。