Python PyTorch FeaturePyramidNetwork用法及代碼示例

本文簡要介紹python語言中 torchvision.ops.FeaturePyramidNetwork 的用法。

用法:

class torchvision.ops.FeaturePyramidNetwork(in_channels_list: List[int], out_channels: int, extra_blocks: Optional[torchvision.ops.feature_pyramid_network.ExtraFPNBlock] = None)

參數：

• in_channels_list(list[int]) -傳遞給模塊的每個特征圖的通道數

• out_channels(int) -FPN 表示的通道數

• extra_blocks(ExtraFPNBlock或者None) -如果提供，將執行額外的操作。期望將fpn特征、原始特征和原始特征的名稱作為輸入，並返回一個新的特征圖列表及其對應的名稱

從一組特征圖的頂部添加 FPN 的模塊。這是基於“Feature Pyramid Network for Object Detection”。

特征圖目前應該是按深度遞增的順序排列的。

模型的輸入預計是 OrderedDict[Tensor]，包含將在其上添加 FPN 的特征圖。

例子：

>>> m = torchvision.ops.FeaturePyramidNetwork([10, 20, 30], 5)
>>> # get some dummy data
>>> x = OrderedDict()
>>> x['feat0'] = torch.rand(1, 10, 64, 64)
>>> x['feat2'] = torch.rand(1, 20, 16, 16)
>>> x['feat3'] = torch.rand(1, 30, 8, 8)
>>> # compute the FPN on top of x
>>> output = m(x)
>>> print([(k, v.shape) for k, v in output.items()])
>>> # returns
>>>   [('feat0', torch.Size([1, 5, 64, 64])),
>>>    ('feat2', torch.Size([1, 5, 16, 16])),
>>>    ('feat3', torch.Size([1, 5, 8, 8]))]