/ Модель

Характеристики

Архитектура
swiftformer · dense
Библиотека
transformers
Опубликована
18 апр 2023

swiftformer-s

Классификация изображенийИзображение → label3 профессии

Компактная модель SwiftFormer-S классифицирует изображения и рассчитана на быстрое применение в мобильных системах компьютерного зрения.

206скачиваний за 30 дней1лайквеса обновлены12 мая 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MBZUAI SwiftFormer-S — компактная модель компьютерного зрения для классификации изображений, разработанная авторами работы SwiftFormer: Efficient Additive Attention for Transformer-based Real-time Mobile Vision Applications. Она использует эффективный механизм аддитивного внимания, который заменяет квадратичные матричные операции в self-attention линейными поэлементными умножениями. Модель обучена на ImageNet-1K и предназначена для определения класса объекта на изображении.

SwiftFormer-S относится к семейству трансформерных моделей для мобильного зрения; в карточке Hugging Face для неё указана архитектура SwiftFormerForImageClassification и формат PyTorch. Семейство SwiftFormer ориентировано на высокую точность и скорость инференса на мобильных устройствах. В README приведён результат 78,5% top-1 на ImageNet-1K и задержка 0,8 мс на iPhone 14 для малого варианта семейства; эти показатели не следует считать гарантией для конкретной среды или обязательно приписывать именно этой версии S.

Модель подходит для классификации изображений в мобильных и других вычислительно ограниченных приложениях. README не сообщает отдельные сведения о лицензии, поэтому условия использования следует проверять в метаданных репозитория Hugging Face.

Сценарии применения

  • классификация объектов на фотографиях
  • распознавание категорий изображений на мобильном устройстве
  • автоматическая разметка изображений по классам

Ограничения

Обучение указано для ImageNet-1K, поэтому качество на других наборах данных и специализированных категориях не подтверждено. Приведённые в README показатели скорости и точности относятся к малому варианту семейства и не гарантируют те же результаты для данной версии и среды исполнения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SwiftFormer (swiftformer-s)

Model description

The SwiftFormer model was proposed in SwiftFormer: Efficient Additive Attention for Transformer-based Real-time Mobile Vision Applications by Abdelrahman Shaker, Muhammad Maaz, Hanoona Rasheed, Salman Khan, Ming-Hsuan Yang, Fahad Shahbaz Khan.

SwiftFormer paper introduces a novel efficient additive attention mechanism that effectively replaces the quadratic matrix multiplication operations in the self-attention computation with linear element-wise multiplications. A series of models called 'SwiftFormer' is built based on this, which achieves state-of-the-art performance in terms of both accuracy and mobile inference speed. Even their small variant achieves 78.5% top-1 ImageNet1K accuracy with only 0.8 ms latency on iPhone 14, which is more accurate and 2× faster compared to MobileViT-v2.

Intended uses & limitations

How to use

import requests
from PIL import Image

url = 'http://images.cocodataset.org/val2017/000000039769.jpg'
image = Image.open(requests.get(url, stream=True).raw)

from transformers import ViTImageProcessor
processor = ViTImageProcessor.from_pretrained('shehan97/swiftformer-s')
inputs = processor(images=image, return_tensors="pt")


from transformers.models.swiftformer import SwiftFormerForImageClassification
new_model = SwiftFormerForImageClassification.from_pretrained('shehan97/swiftformer-s')

output = new_model(inputs['pixel_values'], output_hidden_states=True)
logits = output.logits
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", new_model.config.id2label[predicted_class_idx])

Limitations and bias

Training data

The classification model is trained on the ImageNet-1K dataset.

Training procedure

Evaluation results

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
SwiftFormerForImageClassification
Ревизия весов
e02fbb2

0 моделей