ssd300_vgg16

torchvision.models.detection.ssd300_vgg16(\*, weights: Optional[SSD300_VGG16_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[VGG16_Weights] = VGG16_Weights.IMAGENET1K_FEATURES, trainable_backbone_layers: Optional[int] = None, \*\*kwargs: Any) → SSD

SSD300 模型基于 SSD: Single Shot MultiBox Detector 论文。

警告

检测模块处于 Beta 阶段，不保证向后兼容。

输入到模型的期望是张量列表，每个张量的形状为 [C, H, W]，每个图像一个，并且应在 0-1 范围内。不同图像的大小可以不同，但在将其传递给骨干网络之前，它们将被调整为固定大小。

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]): 以 [x1, y1, x2, y2] 格式表示的真实框，其中 0 <= x1 < x2 <= W 和 0 <= y1 < y2 <= H。

• labels (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]，其中包含分类和回归损失。

在推理期间，模型只需要输入张量，并将后处理的预测作为 List[Dict[Tensor]] 返回，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]): 以 [x1, y1, x2, y2] 格式表示的预测框，其中 0 <= x1 < x2 <= W 和 0 <= y1 < y2 <= H。

• labels (Int64Tensor[N]): 每个检测的预测标签

• scores (Tensor[N]): 每个检测的分数

示例

>>> model = torchvision.models.detection.ssd300_vgg16(weights=SSD300_VGG16_Weights.DEFAULT)
>>> model.eval()
>>> x = [torch.rand(3, 300, 300), torch.rand(3, 500, 400)]
>>> predictions = model(x)

参数:

• weights (SSD300_VGG16_Weights, optional) – 要使用的预训练权重。有关更多详细信息和可能值，请参见下面的 SSD300_VGG16_Weights。默认情况下，不使用预训练权重。

• progress (bool, optional) – 如果为 True，则在 stderr 上显示下载进度条。默认为 True。

• num_classes (int, optional) – 模型的输出类别数（包括背景）

• weights_backbone (VGG16_Weights, optional) – 骨干网络的预训练权重

• trainable_backbone_layers (int, optional) – 从最后一个块开始的可训练（未冻结）层数。有效值为 0 到 5，其中 5 表示所有骨干层都可训练。如果传递 None（默认值），则此值设置为 4。

• **kwargs – 传递给 torchvision.models.detection.SSD 基类的参数。有关此类的更多详细信息，请参阅 源代码。

class torchvision.models.detection.SSD300_VGG16_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 SSD300_VGG16_Weights.DEFAULT 等同于 SSD300_VGG16_Weights.COCO_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='COCO_V1'。

SSD300_VGG16_Weights.COCO_V1:

这些权重是按照与论文相似的训练配方生成的。也可作为 SSD300_VGG16_Weights.DEFAULT 使用。

box_map (在 COCO-val2017 上)	25.1
参数数量	35641826
类别	__background__, person, bicycle, … (省略 88 个)
min_size	height=1, width=1
方案	链接
GFLOPS	34.86
文件大小	136.0 MB

推理变换可在 SSD300_VGG16_Weights.COCO_V1.transforms 处找到，并执行以下预处理操作：接受 PIL.Image、批处理的 (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]。