/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
convnext · dense
Опубликована
2 мар 2022

convnext-xlarge-384-22k-1k

Классификация изображенийИзображение → label3 профессии

ConvNeXT XLarge — свёрточная модель для классификации изображений по 1000 классам ImageNet-1k.

80скачиваний за 30 дней4лайкавеса обновлены13 июн 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

ConvNeXT XLarge — свёрточная модель компьютерного зрения, представленная авторами статьи «A ConvNet for the 2020s» и опубликованная в репозитории Facebook. Модель предварительно обучена на ImageNet-22k, а затем дообучена на ImageNet-1k для классификации изображений с разрешением 384×384 пикселя.

Модель принимает изображение и предсказывает один из классов ImageNet-1k. Архитектура — чистая ConvNet, дизайн которой модернизирован с учётом идей ResNet и Swin Transformer. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Модель подходит для классификации изображений общего назначения и как основа для дообучения под другие задачи компьютерного зрения. Она выдаёт классы из ImageNet-1k, поэтому для специализированных классов потребуется другая версия или дообучение.

Сценарии применения

  • определение класса объекта на фотографии
  • классификация изображений в приложении компьютерного зрения
  • автоматическая категоризация изображений по классам ImageNet
  • дообучение модели для специализированной классификации изображений

Ограничения

Модель предсказывает классы из ImageNet-1k и может не подходить для категорий, отсутствующих в этом наборе. Входное разрешение обучения — 384×384 пикселя.

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

ConvNeXT (xlarge-sized model)

ConvNeXT model pre-trained on ImageNet-22k and fine-tuned on ImageNet-1k at resolution 384x384. It was introduced in the paper A ConvNet for the 2020s by Liu et al. and first released in this repository.

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

Model description

ConvNeXT is a pure convolutional model (ConvNet), inspired by the design of Vision Transformers, that claims to outperform them. The authors started from a ResNet and "modernized" its design by taking the Swin Transformer as inspiration.

model image

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 ConvNextImageProcessor, ConvNextForImageClassification
import torch
from datasets import load_dataset

dataset = load_dataset("huggingface/cats-image")
image = dataset["test"]["image"][0]

processor = ConvNextImageProcessor.from_pretrained("facebook/convnext-xlarge-384-22k-1k")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-xlarge-384-22k-1k")

inputs = processor(image, return_tensors="pt")

with torch.no_grad():
    logits = model(**inputs).logits

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

For more code examples, we refer to the documentation.

BibTeX entry and citation info

@article{DBLP:journals/corr/abs-2201-03545,
  author    = {Zhuang Liu and
               Hanzi Mao and
               Chao{-}Yuan Wu and
               Christoph Feichtenhofer and
               Trevor Darrell and
               Saining Xie},
  title     = {A ConvNet for the 2020s},
  journal   = {CoRR},
  volume    = {abs/2201.03545},
  year      = {2022},
  url       = {https://arxiv.org/abs/2201.03545},
  eprinttype = {arXiv},
  eprint    = {2201.03545},
  timestamp = {Thu, 20 Jan 2022 14:21:35 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2201-03545.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ConvNextForImageClassification
Ревизия весов
438b37a

0 моделей