keypointrcnn_resnet50_fpn¶
- torchvision.models.detection.keypointrcnn_resnet50_fpn(*, weights: Optional[KeypointRCNN_ResNet50_FPN_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, num_keypoints: Optional[int] = None, weights_backbone: Optional[ResNet50_Weights] = ResNet50_Weights.IMAGENET1K_V1, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) KeypointRCNN[源代码]¶
构建一个带有 ResNet-50-FPN 主干的关键点 R-CNN 模型。
警告
检测模块处于 Beta 阶段，不保证向后兼容。
参考：Mask R-CNN。
模型输入预期为张量列表，每个张量的形状为
[C, H, W]，对应每个图像，且应在0-1范围内。不同图像可以有不同的尺寸。模型的行为取决于它处于训练模式还是评估模式。
在训练期间，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。labels（
Int64Tensor[N]）：每个真实框的类别标签。keypoints (
FloatTensor[N, K, 3]): 每个N个实例的K个关键点位置，格式为[x, y, visibility]，其中visibility=0表示关键点不可见。
训练期间，模型返回一个
Dict[Tensor]，其中包含 RPN 和 R-CNN 的分类和回归损失，以及关键点损失。推理期间，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是检测到的实例数量。boxes (
FloatTensor[N, 4]): 预测框，格式为[x1, y1, x2, y2]，其中0 <= x1 < x2 <= W且0 <= y1 < y2 <= H。labels (
Int64Tensor[N]): 每个实例的预测标签scores (
Tensor[N]): 每个实例的分数keypoints (
FloatTensor[N, K, 3]): 预测关键点的位置，格式为[x, y, v]。
有关输出的更多详细信息，请参阅 实例分割模型。
Keypoint R-CNN 可以导出到 ONNX，用于固定批次大小的固定大小输入图像。
示例
>>> model = torchvision.models.detection.keypointrcnn_resnet50_fpn(weights=KeypointRCNN_ResNet50_FPN_Weights.DEFAULT) >>> 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, "keypoint_rcnn.onnx", opset_version = 11)
- 参数:
weights (
KeypointRCNN_ResNet50_FPN_Weights, optional) – 要使用的预训练权重。有关更多详细信息和可能的值，请参阅下面的KeypointRCNN_ResNet50_FPN_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
num_classes (int, optional) – 模型输出类别的数量（包括背景）
num_keypoints (int, optional) – 关键点数量
weights_backbone (
ResNet50_Weights, optional) – 主干的预训练权重。trainable_backbone_layers (int, optional) – 从最后一个块开始的可训练（未冻结）层的数量。有效值为 0 到 5，其中 5 表示所有主干层都可训练。如果传递
None（默认值），则此值设置为 3。
- class torchvision.models.detection.KeypointRCNN_ResNet50_FPN_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights参数。KeypointRCNN_ResNet50_FPN_Weights.DEFAULT等同于KeypointRCNN_ResNet50_FPN_Weights.COCO_V1。您也可以使用字符串，例如weights='DEFAULT'或weights='COCO_LEGACY'。KeypointRCNN_ResNet50_FPN_Weights.COCO_LEGACY:
这些权重是通过遵循与论文类似训练配方产生的，但使用了早期 epoch 的检查点。
box_map (在 COCO-val2017 上)
50.6
kp_map (在 COCO-val2017 上)
61.1
类别
无人物，人物
keypoint_names
鼻子，左眼，右眼，…… (省略了 14 个)
min_size
高度=1, 宽度=1
参数数量
59137258
方案
GFLOPS
133.92
文件大小
226.1 MB
推理转换可在
KeypointRCNN_ResNet50_FPN_Weights.COCO_LEGACY.transforms找到，并执行以下预处理操作：接受PIL.Image、批量(B, C, H, W)和单个(C, H, W)图像torch.Tensor对象。图像将被缩放到[0.0, 1.0]。KeypointRCNN_ResNet50_FPN_Weights.COCO_V1:
这些权重是通过遵循与论文类似的训练配方产生的。也可用作
KeypointRCNN_ResNet50_FPN_Weights.DEFAULT。box_map (在 COCO-val2017 上)
54.6
kp_map (在 COCO-val2017 上)
65.0
类别
无人物，人物
keypoint_names
鼻子，左眼，右眼，…… (省略了 14 个)
min_size
高度=1, 宽度=1
参数数量
59137258
方案
GFLOPS
137.42
文件大小
226.1 MB
推理转换可在
KeypointRCNN_ResNet50_FPN_Weights.COCO_V1.transforms找到，并执行以下预处理操作：接受PIL.Image、批量(B, C, H, W)和单个(C, H, W)图像torch.Tensor对象。图像将被缩放到[0.0, 1.0]。
使用
keypointrcnn_resnet50_fpn的示例
