fasterrcnn_resnet50_fpn¶

torchvision.models.detection.fasterrcnn_resnet50_fpn(*, weights: Optional[FasterRCNN_ResNet50_FPN_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[ResNet50_Weights] = ResNet50_Weights.IMAGENET1K_V1, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) → FasterRCNN[source]¶

使用ResNet-50-FPN骨干网络的Faster R-CNN模型，来自Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks论文。

警告

检测模块处于测试阶段，不保证向后兼容性。

模型的输入预期是一个张量列表，每个张量的形状为[C, H, W]，每个张量对应一张图像，并且应该在0-1范围内。不同的图像可以有不同的尺寸。

模型的行为会根据其处于训练模式还是评估模式而改变。

在训练过程中，模型期望输入张量和目标（字典列表），包含：

boxes (FloatTensor[N, 4]): 真实框，格式为 [x1, y1, x2, y2]，其中 0 <= x1 < x2 <= W 且 0 <= y1 < y2 <= H。

标签 (Int64Tensor[N]): 每个真实框的类别标签

模型在训练期间返回一个Dict[Tensor]，包含RPN和R-CNN的分类和回归损失。

在推理过程中，模型只需要输入张量，并返回后处理的预测结果作为List[Dict[Tensor]]，每个输入图像一个。Dict的字段如下，其中N是检测的数量：

boxes (FloatTensor[N, 4]): 预测的框，格式为 [x1, y1, x2, y2]，其中 0 <= x1 < x2 <= W 且 0 <= y1 < y2 <= H。

标签 (Int64Tensor[N]): 每个检测的预测标签

scores (Tensor[N]): 每个检测的分数

有关输出的更多详细信息，您可以参考实例分割模型。

Faster R-CNN 可以导出为 ONNX 格式，适用于固定批量大小和固定大小的输入图像。

示例：

>>> model = torchvision.models.detection.fasterrcnn_resnet50_fpn(weights=FasterRCNN_ResNet50_FPN_Weights.DEFAULT)
>>> # For training
>>> images, boxes = torch.rand(4, 3, 600, 1200), torch.rand(4, 11, 4)
>>> boxes[:, :, 2:4] = boxes[:, :, 0:2] + boxes[:, :, 2:4]
>>> labels = torch.randint(1, 91, (4, 11))
>>> images = list(image for image in images)
>>> targets = []
>>> for i in range(len(images)):
>>>     d = {}
>>>     d['boxes'] = boxes[i]
>>>     d['labels'] = labels[i]
>>>     targets.append(d)
>>> output = model(images, targets)
>>> # For inference
>>> model.eval()
>>> x = [torch.rand(3, 300, 400), torch.rand(3, 500, 400)]
>>> predictions = model(x)
>>>
>>> # optionally, if you want to export the model to ONNX:
>>> torch.onnx.export(model, x, "faster_rcnn.onnx", opset_version = 11)

Parameters:

weights (FasterRCNN_ResNet50_FPN_Weights, 可选) – 使用的预训练权重。有关更多详情和可能的值，请参见下面的FasterRCNN_ResNet50_FPN_Weights。默认情况下，不使用预训练权重。
progress (bool, 可选) – 如果为True，则在stderr上显示下载进度条。默认值为True。
num_classes (int, optional) – 模型的输出类别数（包括背景）
weights_backbone (ResNet50_Weights, 可选) – 骨干网络的预训练权重。
trainable_backbone_layers (int, 可选) – 从最后一个块开始的可训练（未冻结）层数。有效值在0到5之间，5表示所有骨干层都是可训练的。如果传递了None（默认值），则此值设置为3。
**kwargs – 传递给torchvision.models.detection.faster_rcnn.FasterRCNN 基类的参数。请参阅源代码以获取有关此类的更多详细信息。

class torchvision.models.detection.FasterRCNN_ResNet50_FPN_Weights(value)[source]¶

上面的模型构建器接受以下值作为weights参数。 FasterRCNN_ResNet50_FPN_Weights.DEFAULT等同于FasterRCNN_ResNet50_FPN_Weights.COCO_V1。你也可以使用字符串，例如weights='DEFAULT'或weights='COCO_V1'。

FasterRCNN_ResNet50_FPN_Weights.COCO_V1:

这些权重是通过遵循与论文中类似的训练方法生成的。也可以作为 FasterRCNN_ResNet50_FPN_Weights.DEFAULT 使用。

box_map (在 COCO-val2017 上)	37.0
分类	__background__, 人, 自行车, … (省略88个)
最小尺寸	高度=1, 宽度=1
num_params	41755286
食谱	link
GFLOPS	134.38
文件大小	159.7 MB

推理转换可在 FasterRCNN_ResNet50_FPN_Weights.COCO_V1.transforms 获取，并执行以下预处理操作：接受 PIL.Image，批处理 (B, C, H, W) 和单张 (C, H, W) 图像 torch.Tensor 对象。图像被重新缩放到 [0.0, 1.0]。

使用 fasterrcnn_resnet50_fpn 的示例：

将口罩重新用途为边界框

Repurposing masks into bounding boxes

可视化工具

Visualization utilities