r3d_18¶
- torchvision.models.video.r3d_18(*, weights: Optional[R3D_18_Weights] = None, progress: bool = True, **kwargs: Any) VideoResNet[源代码]¶
构建 18 层 Resnet3D 模型。
警告
视频模块处于 Beta 阶段，不保证向后兼容。
参考： A Closer Look at Spatiotemporal Convolutions for Action Recognition（深入研究用于动作识别的时空卷积）。
- 参数:
weights (
R3D_18_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R3D_18_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.video.resnet.VideoResNet基类的参数。有关此类参数的更多详细信息，请参阅 源代码。
- class torchvision.models.video.R3D_18_Weights(value)[源代码]¶
上面的模型构建器接受以下值作为
weights参数。R3D_18_Weights.DEFAULT等同于R3D_18_Weights.KINETICS400_V1。您也可以使用字符串，例如weights='DEFAULT'或weights='KINETICS400_V1'。R3D_18_Weights.KINETICS400_V1:
这些权重在准确性上非常接近论文。准确性在视频级别使用参数 frame_rate=15、clips_per_video=5 和 clip_len=16 进行估算。也可作为
R3D_18_Weights.DEFAULT使用。acc@1（在 Kinetics-400 上）
63.2
acc@5（在 Kinetics-400 上）
83.479
min_size
height=1, width=1
类别
abseiling, air drumming, answering questions, … (省略397项)
方案
参数数量
33371472
GFLOPS
40.70
文件大小
127.4 MB
推理转换可在
R3D_18_Weights.KINETICS400_V1.transforms处找到，并执行以下预处理操作：接受批处理的(B, T, C, H, W)和单个(T, C, H, W)视频帧torch.Tensor对象。使用interpolation=InterpolationMode.BILINEAR将帧调整为resize_size=[128, 171]，然后进行中心裁剪crop_size=[112, 112]。最后，将值首先重新缩放到[0.0, 1.0]，然后使用mean=[0.43216, 0.394666, 0.37645]和std=[0.22803, 0.22145, 0.216989]进行归一化。最后，输出维度被置换为(..., C, T, H, W)张量。
