r3d_18¶
- torchvision.models.video.r3d_18(*, weights: Optional[R3D_18_Weights] = None, progress: bool = True, **kwargs: Any) VideoResNet[source]¶
建構 18 層 Resnet3D 模型。
警告
影片模組處於 Beta 階段，不保證向後相容性。
參考文獻：用於動作辨識的時空卷積深入研究。
- 參數:
weights (
R3D_18_Weights, optional) – 要使用的預先訓練權重。請參閱下方的R3D_18_Weights以取得更多詳細資訊和可能的值。預設情況下，不使用預先訓練的權重。progress (bool) – 若為 True，則將下載進度列顯示至 stderr。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，請參閱原始程式碼。
- class torchvision.models.video.R3D_18_Weights(value)[source]¶
上述模型建構器接受下列值作為
weights參數。R3D_18_Weights.DEFAULT等同於R3D_18_Weights.KINETICS400_V1。您也可以使用字串，例如weights='DEFAULT'或weights='KINETICS400_V1'。R3D_18_Weights.KINETICS400_V1:
這些權重與論文的準確度非常接近。準確度是在影片層級估算的，參數為 frame_rate=15、clips_per_video=5 和 clip_len=16。也可用作
R3D_18_Weights.DEFAULT。acc@1 (在 Kinetics-400 上)
63.2
acc@5 (在 Kinetics-400 上)
83.479
min_size
height=1, width=1
類別
垂降, 空氣鼓, 回答問題, … (省略 397 個)
食譜
num_params
33371472
GFLOPS
40.70
檔案大小
127.4 MB
推論轉換可在
R3D_18_Weights.KINETICS400_V1.transforms中取得，並執行下列預先處理操作：接受批次(B, T, C, H, W)和單一(T, C, H, W)影片幀torch.Tensor物件。幀會使用interpolation=InterpolationMode.BILINEAR調整大小為resize_size=[128, 171]，然後進行crop_size=[112, 112]的中央裁剪。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。
