Python PyTorch ssd300_vgg16用法及代碼示例

本文簡要介紹python語言中 torchvision.models.detection.ssd300_vgg16 的用法。

用法:

torchvision.models.detection.ssd300_vgg16(pretrained: bool = False, progress: bool = True, num_classes: int = 91, pretrained_backbone: bool = True, trainable_backbone_layers: Optional[int] = None, **kwargs: Any)

參數：

• pretrained(bool) -如果為 True，則返回在 COCO train2017 上預訓練的模型

• progress(bool) -如果為 True，則顯示下載到 stderr 的進度條

• num_classes(int) -模型的輸出類數(包括背景)

• pretrained_backbone(bool) -如果為 True，則返回一個在 Imagenet 上預訓練過主幹的模型

• trainable_backbone_layers(int) -從最終塊開始的可訓練(未凍結)resnet 層數。有效值介於 0 和 5 之間，其中 5 表示所有主幹層都是可訓練的。

構造一個輸入大小為 300x300 和 VGG16 主幹的 SSD 模型。

參考：“SSD: Single Shot MultiBox Detector”。

模型的輸入應該是一個張量列表，每個形狀為 [C, H, W]，每個圖像一個，並且應該在 0-1 範圍內。不同的圖像可以有不同的大小，但在傳遞到主幹之前，它們會被調整為固定大小。

模型的行為取決於它是處於訓練模式還是評估模式。

在訓練期間，模型需要輸入張量以及目標(字典列表)，其中包含：

• 框 ( FloatTensor[N, 4] )： [x1, y1, x2, y2] 格式的 ground-truth 框，包含 0 <= x1 < x2 <= W 和 0 <= y1 < y2 <= H 。

• labels (Int64Tensor[N])：每個ground-truth框的類標簽

模型在訓練期間返回一個 Dict[Tensor]，包含分類和回歸損失。

在推理過程中，模型隻需要輸入張量，並將後處理的預測作為 List[Dict[Tensor]] 返回，每個輸入圖像一個。 Dict的字段如下，其中N為檢測次數：

• 框 ( FloatTensor[N, 4] )：[x1, y1, x2, y2] 格式的預測框，包含 0 <= x1 < x2 <= W 和 0 <= y1 < y2 <= H 。

• labels (Int64Tensor[N])：每次檢測的預測標簽

• 分數 (Tensor[N])：每次檢測的分數

示例

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

使用 ssd300_vgg16 的示例：

可視化實用程序