/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
focalnet · dense
Опубликована
17 апр 2023

focalnet-tiny

Классификация изображенийИзображение → label3 профессии

FocalNet Tiny — модель классификации изображений, обученная на ImageNet-1k и использующая фокальную модуляцию вместо self-attention.

15 584скачиваний за 30 дней2лайкавеса обновлены3 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

FocalNet Tiny — модель компьютерного зрения для классификации изображений, основанная на архитектуре Focal Modulation Networks, представленной Yang и соавторами. Модель обучена на ImageNet-1k и рассчитана на изображения разрешением 224×224 пикселя; её выпустила команда FocalNet, а карточку подготовила команда Hugging Face.

Вместо self-attention модель использует фокальную модуляцию: свёрточные слои собирают визуальный контекст разных масштабов, механизм с весами выбирает полезный контекст для каждого фрагмента изображения, а затем этот контекст передаётся в представление фрагмента. Модель выдаёт класс изображения из 1000 классов ImageNet-1k и может служить основой для сценариев классификации. В исследовании семейство FocalNet также оценивалось на задачах обнаружения объектов и сегментации, но эта версия предназначена для классификации.

Модель доступна в формате PyTorch по лицензии Apache-2.0. Она принимает изображения и выдаёт метки классов; сведения о языках к ней не относятся. Карточка не приводит конкретных показателей качества или ограничений, поэтому применимость к изображениям вне ImageNet-1k следует проверять отдельно.

Сценарии применения

  • Классификация фотографий по 1000 классам ImageNet
  • Определение основного объекта на изображении
  • Проверка архитектуры FocalNet в задачах компьютерного зрения

Ограничения

Модель обучена на ImageNet-1k и рассчитана на входное разрешение 224×224 пикселя; качество на других наборах данных и типах изображений может отличаться. Карточка не приводит численных показателей качества.

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

FocalNet (tiny-sized model)

FocalNet model trained on ImageNet-1k at resolution 224x224. It was introduced in the paper Focal Modulation Networks by Yang et al. and first released in this repository.

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

Model description

Focul Modulation Networks are an alternative to Vision Transformers, where self-attention (SA) is completely replaced by a focal modulation mechanism for modeling token interactions in vision. Focal modulation comprises three components: (i) hierarchical contextualization, implemented using a stack of depth-wise convolutional layers, to encode visual contexts from short to long ranges, (ii) gated aggregation to selectively gather contexts for each query token based on its content, and (iii) element-wise modulation or affine transformation to inject the aggregated context into the query. Extensive experiments show FocalNets outperform the state-of-the-art SA counterparts (e.g., Vision Transformers, Swin and Focal Transformers) with similar computational costs on the tasks of image classification, object detection, and segmentation.

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 FocalNetImageProcessor, FocalNetForImageClassification
import torch
from datasets import load_dataset

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

preprocessor = FocalNetImageProcessor.from_pretrained("microsoft/focalnet-tiny")
model = FocalNetForImageClassification.from_pretrained("microsoft/focalnet-tiny")

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-2203-11926,
  author       = {Jianwei Yang and
                  Chunyuan Li and
                  Jianfeng Gao},
  title        = {Focal Modulation Networks},
  journal      = {CoRR},
  volume       = {abs/2203.11926},
  year         = {2022},
  url          = {https://doi.org/10.48550/arXiv.2203.11926},
  doi          = {10.48550/arXiv.2203.11926},
  eprinttype    = {arXiv},
  eprint       = {2203.11926},
  timestamp    = {Tue, 29 Mar 2022 18:07:24 +0200},
  biburl       = {https://dblp.org/rec/journals/corr/abs-2203-11926.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
FocalNetForImageClassification
Ревизия весов
20d638e

0 моделей