deeplabv3_mobilenet_v3_large

torchvision.models.segmentation.deeplabv3_mobilenet_v3_large(*, weights: Optional[DeepLabV3_MobileNet_V3_Large_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, aux_loss: Optional[bool] = None, weights_backbone: Optional[MobileNet_V3_Large_Weights] = MobileNet_V3_Large_Weights.IMAGENET1K_V1, **kwargs: Any) → DeepLabV3

构建一个带有 MobileNetV3-Large 主干的 DeepLabV3 模型。

参考： 重新思考用于语义图像分割的空洞卷积。

参数:

• weights (DeepLabV3_MobileNet_V3_Large_Weights, 可选) – 使用的预训练权重。有关更多详细信息和可能值，请参阅下面的 DeepLabV3_MobileNet_V3_Large_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。默认为 True。

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

• aux_loss (bool, optional) – 如果为 True，则使用辅助损失

• weights_backbone (MobileNet_V3_Large_Weights, 可选) – 主干的预训练权重

• **kwargs – 未使用

class torchvision.models.segmentation.DeepLabV3_MobileNet_V3_Large_Weights(value)

上面的模型构建器接受以下值作为 weights 参数。 DeepLabV3_MobileNet_V3_Large_Weights.DEFAULT 等同于 DeepLabV3_MobileNet_V3_Large_Weights.COCO_WITH_VOC_LABELS_V1。您也可以使用字符串，例如 weights='DEFAULT' 或 weights='COCO_WITH_VOC_LABELS_V1'。

DeepLabV3_MobileNet_V3_Large_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。也可作为 DeepLabV3_MobileNet_V3_Large_Weights.DEFAULT 使用。

miou (在 COCO-val2017-VOC-labels 上)	60.3
pixel_acc (在 COCO-val2017-VOC-labels 上)	91.2
类别	__background__、 aeroplane、bicycle、… (省略了 18 个)
min_size	height=1, width=1
参数数量	11029328
方案	链接
GFLOPS	10.45
文件大小	42.3 MB

推理转换可在 DeepLabV3_MobileNet_V3_Large_Weights.COCO_WITH_VOC_LABELS_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。图像使用 InterpolationMode.BILINEAR 调整大小至 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。