KerasHub: 预训练模型 / API 文档 / 模型架构 / RetinaNet / RetinaNetObjectDetectorPreprocessor 层

RetinaNetObjectDetectorPreprocessor 层

[源代码]

RetinaNetObjectDetectorPreprocessor

keras_hub.models.RetinaNetObjectDetectorPreprocessor(image_converter=None, **kwargs)

目标检测预处理层的基类。

ObjectDetectorPreprocessor 任务封装了一个 keras_hub.layers.Preprocessor,用于创建目标检测任务的预处理层。它旨在与 keras_hub.models.ImageObjectDetector 任务配对使用。

所有 ObjectDetectorPreprocessor 都接受三个输入:xysample_weightx,即第一个输入,应始终包含。它可以是图像或图像批次。参见下面的示例。ysample_weight 是可选输入,将原样传递。通常,y 将是字典,格式为 {"boxes": Tensor(batch_size, num_boxes, 4), "classes": (batch_size, num_boxes)}

如果提供了标签,该层将返回 x(x, y) 元组;如果提供了标签和样本权重,则返回 (x, y, sample_weight) 元组。x 将是应用所有模型预处理后的输入图像。

所有 ObjectDetectorPreprocessor 任务都包含一个 from_preset() 构造函数,可用于加载预训练配置和词汇表。您可以直接在此基类上调用 from_preset() 构造函数,在这种情况下,将自动实例化适合您的模型的正确类。

参数

  • image_converter: 图像预处理管道。

示例。

preprocessor = keras_hub.models.ObjectDetectorPreprocessor.from_preset(
    "retinanet_resnet50",
)


----

<span style="float:right;">[[source]](https://github.com/keras-team/keras-hub/tree/v0.21.1/keras_hub/src/models/preprocessor.py#L132)</span>

### `from_preset` method


```python
RetinaNetObjectDetectorPreprocessor.from_preset(
    preset, config_file="preprocessor.json", **kwargs
)

从模型预设实例化一个 keras_hub.models.Preprocessor

预设是一个包含配置、权重和其他文件资产的目录,用于保存和加载预训练模型。preset 可以作为以下之一传递:

  1. 一个内置的预设标识符,如 'bert_base_en'
  2. 一个 Kaggle Models 句柄,如 'kaggle://user/bert/keras/bert_base_en'
  3. 一个 Hugging Face 句柄,如 'hf://user/bert_base_en'
  4. 一个本地预设目录的路径,如 './bert_base_en'

对于任何 Preprocessor 子类,您可以运行 cls.presets.keys() 来列出该类上所有可用的内置预设。

由于一个给定模型通常有多个预处理类,因此应在特定的子类上调用此方法,例如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()

参数

  • preset:字符串。一个内置预设标识符、一个 Kaggle Models 句柄、一个 Hugging Face 句柄或一个本地目录的路径。

示例

# Load a preprocessor for Gemma generation.
preprocessor = keras_hub.models.CausalLMPreprocessor.from_preset(
    "gemma_2b_en",
)

# Load a preprocessor for Bert classification.
preprocessor = keras_hub.models.TextClassifierPreprocessor.from_preset(
    "bert_base_en",
)
预设 参数 描述
retinanet_resnet50_fpn_v2_coco 31.56M RetinaNet 模型,带有 ResNet50 骨干网络,在 800x800 分辨率的 COCO 数据集上进行微调,FPN 特征从 P5 级别创建。
retinanet_resnet50_fpn_coco 34.12M RetinaNet 模型,带有 ResNet50 骨干网络,在 800x800 分辨率的 COCO 数据集上进行微调。

image_converter 属性

keras_hub.models.RetinaNetObjectDetectorPreprocessor.image_converter

用于预处理图像数据的图像转换器。