pytorch实现maskrcnn特征提取代码

这是一份基于 PyTorch 实现 Mask R-CNN 特征提取的代码示例：

import torch
import torchvision
from torchvision.models.detection.faster_rcnn import FastRCNNPredictor

# 加载预训练的 Mask R-CNN 模型
model = torchvision.models.detection.maskrcnn_resnet50_fpn(pretrained=True)

# 将分类器的最后一层替换为线性层，以进行特征提取
num_classes = 2  # 分类数
in_features = model.roi_heads.box_predictor.cls_score.in_features
model.roi_heads.box_predictor = FastRCNNPredictor(in_features, num_classes)

# 将模型设置为预测模式
model.eval()

# 假设图像是一个张量，将其输入到模型中
with torch.no_grad():
    inputs = torch.randn(1, 3, 224, 224)
    features = model(inputs)

# 在输出中，“features”变量包含了模型的特征

这份代码基于 torchvision 包中的预训练 Mask R-CNN 模型，并将其修改为只进行特征提取。在代码中，我们加载了预训练的模型，并将最后一层的分类器替换为线性层。然后，我们将模型设置为预测模式，并将一个随机生成的张量作为输入，得到了模型的特征。