/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
mobilevitv2 · dense
Библиотека
transformers
Опубликована
5 июн 2023

mobilevitv2-1.0-imagenet1k-256

Классификация изображенийИзображение → label3 профессии

Компактная модель MobileViTv2 для классификации изображений по 1000 классам ImageNet-1k.

2 522скачиваний за 30 дней12лайковвеса обновлены7 янв 2024

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

MobileViTv2-1.0-ImageNet1K-256 — модель классификации изображений на базе архитектуры MobileViTv2, разработанная Apple. В MobileViTv2 механизм многоголового self-attention из MobileViT заменён на разделимое self-attention; веса подготовлены для классификации по 1000 классам ImageNet-1k, на котором модель предварительно обучена. Репозиторий содержит веса PyTorch для библиотеки Transformers.

Модель подходит для присвоения изображениям меток ImageNet, например для базовой классификации объектов в мобильных и компьютерно-зрительных приложениях. Карточка указывает лицензию Apple Sample Code License. Ограничение: модель ориентирована на классы ImageNet-1k; для других наборов классов или специализированных задач может потребоваться дообученная версия.

Сценарии применения

  • классификация объектов на изображениях
  • определение класса изображения из набора ImageNet-1k
  • базовая классификация изображений в мобильных приложениях

Ограничения

Модель предназначена для классификации по 1000 классам ImageNet-1k; для других классов и специализированных задач может потребоваться дообучение. Лицензия обозначена как Apple Sample Code License.

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

MobileViTv2 (mobilevitv2-1.0-imagenet1k-256)

MobileViTv2 is the second version of MobileViT. It was proposed in Separable Self-attention for Mobile Vision Transformers by Sachin Mehta and Mohammad Rastegari, and first released in this repository. The license used is Apple sample code license.

Disclaimer: The team releasing MobileViT did not write a model card for this model so this model card has been written by the Hugging Face team.

Model Description

MobileViTv2 is constructed by replacing the multi-headed self-attention in MobileViT with separable self-attention.

Intended uses & limitations

You can use the raw model for image classification. See the model hub to look for fine-tuned versions on a task that interests you.

How to use

Here is how to use this model to classify an image of the COCO 2017 dataset into one of the 1,000 ImageNet classes:

from transformers import MobileViTImageProcessor, MobileViTV2ForImageClassification
from PIL import Image
import requests

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

feature_extractor = MobileViTImageProcessor.from_pretrained("shehan97/mobilevitv2-1.0-imagenet1k-256")
model = MobileViTV2ForImageClassification.from_pretrained("shehan97/mobilevitv2-1.0-imagenet1k-256")

inputs = feature_extractor(images=image, return_tensors="pt")

outputs = model(**inputs)
logits = outputs.logits

# model predicts one of the 1000 ImageNet classes
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

Currently, both the feature extractor and model support PyTorch.

Training data

The MobileViT model was pretrained on ImageNet-1k, a dataset consisting of 1 million images and 1,000 classes.

BibTeX entry and citation info

@inproceedings{vision-transformer,
title = {Separable Self-attention for Mobile Vision Transformers},
author = {Sachin Mehta and Mohammad Rastegari},
year = {2022},
URL = {https://arxiv.org/abs/2206.02680}
}

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
MobileViTv2ForImageClassification
Ревизия весов
fe97dbe

0 моделей