/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
convnextv2 · dense
Опубликована
18 фев 2023

convnextv2-huge-22k-384

Классификация изображенийИзображение → label4 профессии

Свёрточная модель ConvNeXt V2 Huge для классификации изображений, дообученная на ImageNet-22K для входных изображений 384×384 пикселя.

597скачиваний за 30 дней5лайковвеса обновлены17 фев 2025

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 V2 Huge — свёрточная модель компьютерного зрения, разработанная авторами работы ConvNeXt V2 и представленная в репозитории Hugging Face. Она предназначена для классификации изображений; веса предварительно обучены с помощью FCMAE и дообучены на ImageNet-22K. Модель использует полностью свёрточную архитектуру ConvNeXt V2 с нормализацией Global Response Normalization (GRN) и рассчитана на изображения размером 384×384 пикселя.

Модель подходит для распознавания объектов и категорий на изображениях в задачах общего назначения. Карточка указывает ImageNet-22K как обучающий набор данных, а пример применения относит изображение к одному из 1000 классов ImageNet. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Ограничение — это классификатор изображений, поэтому карточка не заявляет генерацию изображений или другие задачи компьютерного зрения.

Сценарии применения

  • классификация объектов на изображениях
  • распознавание категорий товаров по фото
  • автоматическая разметка изображений по классам ImageNet
  • извлечение меток для каталогизации изображений

Ограничения

Модель предназначена для классификации изображений и выдаёт классы ImageNet; карточка не заявляет поддержку других задач компьютерного зрения.

Для каких профессий подходит4

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 V2 (huge-sized model)

ConvNeXt V2 model pretrained using the FCMAE framework and fine-tuned on the ImageNet-22K dataset at resolution 384x384. It was introduced in the paper ConvNeXt V2: Co-designing and Scaling ConvNets with Masked Autoencoders by Woo et al. and first released in this repository.

Disclaimer: The team releasing ConvNeXT V2 did not write a model card for this model so this model card has been written by the Hugging Face team.

Model description

ConvNeXt V2 is a pure convolutional model (ConvNet) that introduces a fully convolutional masked autoencoder framework (FCMAE) and a new Global Response Normalization (GRN) layer to ConvNeXt. ConvNeXt V2 significantly improves the performance of pure ConvNets on various recognition benchmarks.

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 AutoImageProcessor, ConvNextV2ForImageClassification
import torch
from datasets import load_dataset

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

preprocessor = AutoImageProcessor.from_pretrained("facebook/convnextv2-huge-22k-384")
model = ConvNextV2ForImageClassification.from_pretrained("facebook/convnextv2-huge-22k-384")

inputs = preprocessor(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-2301-00808,
  author    = {Sanghyun Woo and
               Shoubhik Debnath and
               Ronghang Hu and
               Xinlei Chen and
               Zhuang Liu and
               In So Kweon and
               Saining Xie},
  title     = {ConvNeXt {V2:} Co-designing and Scaling ConvNets with Masked Autoencoders},
  journal   = {CoRR},
  volume    = {abs/2301.00808},
  year      = {2023},
  url       = {https://doi.org/10.48550/arXiv.2301.00808},
  doi       = {10.48550/arXiv.2301.00808},
  eprinttype = {arXiv},
  eprint    = {2301.00808},
  timestamp = {Tue, 10 Jan 2023 15:10:12 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2301-00808.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
ConvNextV2ForImageClassification
Ревизия весов
b5ccf6b

0 моделей