raft_small¶
- torchvision.models.optical_flow.raft_small(*, weights: Optional[Raft_Small_Weights] = None, progress=True, **kwargs) RAFT[source]¶
RAFT “small” 模型，出自 RAFT: Recurrent All Pairs Field Transforms for Optical Flow。
请参阅下面的示例，了解如何使用此模型的教程。
- 参数:
weights (
Raft_Small_Weights, 可选) – 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。默认为 True。
**kwargs – 传递给
torchvision.models.optical_flow.RAFT基类的参数。有关此类更多详细信息，请参阅 源代码。
- 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。您也可以使用字符串，例如weights='DEFAULT'或weights='C_T_V1'。这里报告的指标如下。
epe是“端点误差”，表示预测流与真实值相差多少（以像素为单位）。这是所有图像所有像素的平均值。per_image_epe类似，但平均方式不同：首先对每张图像独立计算 epe，然后对所有图像进行平均。这对应于原始论文中的“Fl-epe”（有时写为“F1-epe”），并且仅用于 Kitti。fl-all也是 Kitti 特有的指标，由数据集作者定义，并用于 Kitti 排行榜。它对应于 epe 小于 3 像素或流的 2-范数小于 5% 的像素的平均值。Raft_Small_Weights.C_T_V1:
这些权重是从原始论文移植过来的。它们在
FlyingChairs+FlyingThings3D上训练。epe（在 Sintel-Train-Cleanpass 上）
2.1231
epe（在 Sintel-Train-Finalpass 上）
3.279
per_image_epe（在 Kitti-Train 上）
7.6557
fl_all（在 Kitti-Train 上）
25.2801
min_size
height=128, width=128
参数数量
990162
方案
GFLOPS
47.66
文件大小
3.8 MB
推理转换可在
Raft_Small_Weights.C_T_V1.transforms获得，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[-1.0, 1.0]。Raft_Small_Weights.C_T_V2:
这些权重是在
FlyingChairs+FlyingThings3D上从头开始训练的。也可作为Raft_Small_Weights.DEFAULT使用。epe（在 Sintel-Train-Cleanpass 上）
1.9901
epe（在 Sintel-Train-Finalpass 上）
3.2831
per_image_epe（在 Kitti-Train 上）
7.5978
fl_all（在 Kitti-Train 上）
25.2369
min_size
height=128, width=128
参数数量
990162
方案
GFLOPS
47.66
文件大小
3.8 MB
推理转换可在
Raft_Small_Weights.C_T_V2.transforms获得，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[-1.0, 1.0]。
使用
raft_small的示例
