raft_small¶
- torchvision.models.optical_flow.raft_small(*, weights: Optional[Raft_Small_Weights] = None, progress=True, **kwargs) RAFT[source]¶
RAFT “small” 模型来自 RAFT: Recurrent All Pairs Field Transforms for Optical Flow.
请参阅以下示例，了解如何使用此模型的教程。
- Parameters:
weights (
Raft_Small_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Raft_Small_Weights。默认情况下，不使用预训练权重。progress (bool) – 如果为True，则在stderr上显示下载进度条。默认值为True。
**kwargs – 传递给
torchvision.models.optical_flow.RAFT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.optical_flow.Raft_Small_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights参数。Raft_Small_Weights.DEFAULT等同于Raft_Small_Weights.C_T_V2。你也可以使用字符串，例如weights='DEFAULT'或weights='C_T_V1'。这里报告的指标如下。
epe是“端点误差”，表示预测的流与其真实值之间的距离（以像素为单位）。这是在所有图像的所有像素上取平均的。per_image_epe类似，但平均方式不同：首先在每个图像上独立计算 epe，然后在所有图像上取平均。这对应于原始论文中的“Fl-epe”（有时写作“F1-epe”），并且仅在 Kitti 上使用。fl-all也是一个 Kitti 特定的指标，由数据集的作者定义并用于 Kitti 排行榜。它对应于 epe 小于 3px 或小于流的 2-范数的 5% 的像素的平均值。Raft_Small_Weights.C_T_V1:
这些权重是从原始论文中移植过来的。它们是在
FlyingChairs+FlyingThings3D上训练的。epe (在 Sintel-Train-Cleanpass 上)
2.1231
epe (在 Sintel-Train-Finalpass 上)
3.279
每张图像的EPE（在Kitti-Train上）
7.6557
fl_all（在Kitti-Train上）
25.2801
最小尺寸
高度=128, 宽度=128
num_params
990162
食谱
GFLOPS
47.66
文件大小
3.8 MB
推理转换可在
Raft_Small_Weights.C_T_V1.transforms中找到，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[-1.0, 1.0]。Raft_Small_Weights.C_T_V2:
这些权重是从头开始在
FlyingChairs+FlyingThings3D上训练的。 也可以作为Raft_Small_Weights.DEFAULT使用。epe (在 Sintel-Train-Cleanpass 上)
1.9901
epe (在 Sintel-Train-Finalpass 上)
3.2831
每张图像的EPE（在Kitti-Train上）
7.5978
fl_all（在Kitti-Train上）
25.2369
最小尺寸
高度=128, 宽度=128
num_params
990162
食谱
GFLOPS
47.66
文件大小
3.8 MB
推理转换可在
Raft_Small_Weights.C_T_V2.transforms中找到，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[-1.0, 1.0]。
使用
raft_small的示例：
