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[source]¶
具有ResNet-50骨干的全卷积网络模型，来自Fully Convolutional Networks for Semantic Segmentation论文。
警告
分割模块目前处于测试阶段，不保证向后兼容性。
- Parameters:
weights (
FCN_ResNet50_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FCN_ResNet50_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）。
aux_loss (bool, optional) – 如果为True，则使用辅助损失。
weights_backbone (
ResNet50_Weights, 可选) – 用于骨干网络的预训练权重。**kwargs – 传递给
torchvision.models.segmentation.fcn.FCN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.segmentation.FCN_ResNet50_Weights(value)[source]¶
上面的模型构建器接受以下值作为
weights参数。FCN_ResNet50_Weights.DEFAULT等同于FCN_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1。你也可以使用字符串，例如weights='DEFAULT'或weights='COCO_WITH_VOC_LABELS_V1'。FCN_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1:
这些权重是在COCO的一个子集上训练的，仅使用了Pascal VOC数据集中存在的20个类别。 也可以作为
FCN_ResNet50_Weights.DEFAULT使用。miou (在 COCO-val2017-VOC-labels 上)
60.5
像素准确率（在COCO-val2017-VOC标签上）
91.4
分类
__background__, 飞机, 自行车, … (省略18个)
最小尺寸
高度=1, 宽度=1
num_params
35322218
食谱
GFLOPS
152.72
文件大小
135.0 MB
推理转换可在
FCN_ResNet50_Weights.COCO_WITH_VOC_LABELS_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。图像使用interpolation=InterpolationMode.BILINEAR调整大小为resize_size=[520]。最后，值首先缩放到[0.0, 1.0]，然后使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]进行归一化。
使用
fcn_resnet50的示例：
