pytorch的torchvision.models模块fasterrcnn目标检测之一

最新推荐文章于 2025-10-10 18:45:58 发布

原创

最新推荐文章于 2025-10-10 18:45:58 发布 · 3.8k 阅读

12 ·

CC 4.0 BY-SA版权

本文通过PyTorch的torchvision.models模块加载预训练的Faster R-CNN模型，展示了如何进行目标检测。在对图像进行处理后，检测到多个目标，但置信度较低。为了筛选有效目标，设置了0.85以上的置信度阈值，并探讨了目标检测结果的可视化方法。

import torch
import torchvision.models as models
import torchvision

提前下载好权重文件，加载fasterrcnn模型

net = models.detection.fasterrcnn_resnet50_fpn(pretrained=False)
pthfile = r'G:\Anaconda3\envs\pytorch\Lib\site-packages\torchvision\models\fasterrcnn_resnet50_fpn_coco-258fb6c6.pth'
net.load_state_dict(torch.load(pthfile))
#print(net)

我们用PIL读取一张图片，进去看看

from PIL import Image
img = Image.open("maandgirl.jpg")
img

在这里插入图片描述

from torchvision import transforms
transform = transforms.Compose([            #[1]
 transforms.Resize(256),                    #[2]
 transforms.CenterCrop(224),                #[3]
 transforms.ToTensor(),                     #[4]
 transforms.Normalize(                      #[5]
 mean=[0.485, 0.456, 0.406],                #[6]
 std=[