/ Модель

Характеристики

Лицензия
MIT
Библиотека
timm
Опубликована
1 апр 2025

lsnet_t_distill

Классификация изображенийИзображение → label3 профессии

Производная модели jameslahm/lsnet_t. LSNet-T — компактная модель компьютерного зрения для классификации изображений с архитектурой свёрток Large-Small.

95скачиваний за 30 дней0лайковвеса обновлены4 апр 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

Карточка модели jameslahm/lsnet_t_distill на Hugging Face совпадает с карточкой jameslahm/lsnet_t, поэтому описание составлено по ней.

LSNet-T — компактная модель компьютерного зрения из семейства LSNet, разработанного Ao Wang, Hui Chen, Zijia Lin, Jungong Han и Guiguang Ding. Это официальная реализация на PyTorch, опубликованная для работы CVPR 2025. Модель обучена на ImageNet-1K и предназначена прежде всего для классификации изображений.

Архитектура LSNet основана на свёртках LS (Large-Small): большие ядра собирают информацию из широкого контекста, а малые агрегируют признаки. Вариант LSNet-T содержит 11,4 млн параметров и требует около 0,3 млрд FLOPs согласно README; авторы сообщают компромисс между точностью и вычислительной эффективностью. Репозиторий также описывает применение семейства LSNet в обнаружении объектов, сегментации экземпляров и семантической сегментации.

Модель принимает изображения и выдаёт классовые предсказания. Карточка не сообщает поддержку языков, а описанная обучающая выборка — ImageNet-1K. Лицензия репозитория — MIT. Результаты скорости в README измерены на Nvidia RTX 3090, поэтому их нельзя напрямую переносить на другое оборудование; приведённые метрики относятся к ImageNet-1K.

Сценарии применения

  • классификация изображений по категориям
  • распознавание объектов на фотографиях
  • использование как базовой модели для обнаружения объектов
  • сегментация объектов и сцен в компьютерном зрении

Ограничения

Опубликованные метрики относятся к ImageNet-1K, а скорость измерялась на Nvidia RTX 3090 и может отличаться на другом оборудовании.

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

LSNet: See Large, Focus Small

Paper: https://arxiv.org/abs/2503.23135

Code: https://github.com/jameslahm/lsnet

Usage

import timm
import torch
from PIL import Image
import requests
from timm.data import resolve_data_config, create_transform

# Load the model
model = timm.create_model(
    'hf_hub:jameslahm/lsnet_b',
    pretrained=True
)
model.eval()

# Load and transform image
# Example using a URL:
url = 'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
img = Image.open(requests.get(url, stream=True).raw)

config = resolve_data_config({}, model=model)
transform = create_transform(**config)
input_tensor = transform(img).unsqueeze(0) # transform and add batch dimension

# Make prediction
with torch.no_grad():
    output = model(input_tensor)
probabilities = torch.nn.functional.softmax(output[0], dim=0)

# Get top 5 predictions
top5_prob, top5_catid = torch.topk(probabilities, 5)
# Assuming you have imagenet labels list 'imagenet_labels'
# for i in range(top5_prob.size(0)):
#     print(imagenet_labels[top5_catid[i]], top5_prob[i].item())

Citation

If our code or models help your work, please cite our paper:

@misc{wang2025lsnetlargefocussmall,
      title={LSNet: See Large, Focus Small}, 
      author={Ao Wang and Hui Chen and Zijia Lin and Jungong Han and Guiguang Ding},
      year={2025},
      eprint={2503.23135},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2503.23135}, 
}

LSNet: See Large, Focus Small

Official PyTorch implementation of LSNet. CVPR 2025.

LSNet: See Large, Focus Small.
Ao Wang, Hui Chen, Zijia Lin, Jungong Han, and Guiguang Ding
arXiv Hugging Face Models Hugging Face Collection

We introduce LSNet, a new family of lightweight vision models inspired by dynamic heteroscale capability of the human visual system, i.e., "See Large, Focus Small". LSNet achieves state-of-the-art performance and efficiency trade-offs across various vision tasks.

Classification on ImageNet-1K

Models

  • * denotes the results with distillation.
  • The throughput is tested on a Nvidia RTX3090 using speed.py.
ModelTop-1ParamsFLOPsThroughputCkptLog
LSNet-T74.9 / 76.1*11.4M0.3G14708T / T*T / T*
LSNet-S77.8 / 79.0*16.1M0.5G9023S / S*S / S*
LSNet-B80.3 / 81.6*23.2M1.3G3996B / B*B / B*

ImageNet

Prerequisites

conda virtual environment is recommended.

conda create -n lsnet python=3.8
pip install -r requirements.txt

Data preparation

Download and extract ImageNet train and val images from http://image-net.org/. The training and validation data are expected to be in the train folder and val folder respectively:

|-- /path/to/imagenet/
    |-- train
    |-- val

Training

To train LSNet-T on an 8-GPU machine:

python -m torch.distributed.launch --nproc_per_node=8 --master_port 12345 --use_env main.py --model lsnet_t --data-path ~/imagenet --dist-eval
# For training with distillation, please add `--distillation-type hard`
# For LSNet-B, please add `--weight-decay 0.05`

Testing

python main.py --eval --model lsnet_t --resume ./pretrain/lsnet_t.pth --data-path ~/imagenet

Models can also be automatically downloaded from 🤗 like below.

import timm

model = timm.create_model(
    f'hf_hub:jameslahm/lsnet_{t/t_distill/s/s_distill/b/b_distill}',
    pretrained=True
)

Downstream Tasks

Object Detection and Instance Segmentation Semantic Segmentation Robustness Evaluation

Acknowledgement

Classification (ImageNet) code base is partly built with EfficientViT, LeViT, PoolFormer and EfficientFormer.

The detection and segmentation pipeline is from MMCV (MMDetection and MMSegmentation).

Thanks for the great implementations!

Как запустить

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

GPU в ailist

Универсальный рантайм · timm · image-classification

Можно запустить

Подбираем GPU…

Ревизия весов
76e158b

0 моделей