/ Модель

Характеристики

Размер весов
350 МБ
Лицензия
BSD 3-Clause
Библиотека
timm
Опубликована
5 апр 2024

rdnet_base.nv_in1k

Классификация изображенийИзображение → label3 профессии

Модель RDNet от Naver AI классифицирует изображения ImageNet и может служить backbone для извлечения визуальных признаков и эмбеддингов.

467скачиваний за 30 дней2лайкавеса обновлены8 авг 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

rdnet_base.nv_in1k — модель классификации изображений и визуальный backbone семейства RDNet, опубликованный Naver AI. Модель обучена на ImageNet-1k; в карточке указаны точность top-1 84,4% на валидационной выборке, 87 млн параметров и вычислительная сложность 15,4 GMACs. Рекомендуемый размер входного изображения — 224 × 224 пикселя.

Модель предназначена для классификации изображений, извлечения карт признаков и получения визуальных эмбеддингов. Её можно использовать как готовый классификатор или как основу для компьютерного зрения в прикладных системах. Веса доступны в формате PyTorch, библиотека модели — timm. Лицензия — BSD 3-Clause.

Сценарии применения

  • классификация изображений по категориям ImageNet
  • извлечение карт признаков из изображений
  • получение эмбеддингов изображений для поиска по визуальному сходству

Ограничения

Веса обучены на ImageNet-1k, поэтому классификатор ориентирован на его классы; применимость к другим наборам данных зависит от сценария и может потребовать адаптации. Для входа указан размер изображения 224 × 224 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

Model card for rdnet_base.nv_in1k

A RDNet image classification model. Trained on ImageNet-1k, original torchvision weights.

Model Details

  • Model Type: Image classification / feature backbone
  • Model Stats:
    • Imagenet-1k validation top-1 accuracy: 84.4%
    • Params (M): 87
    • GMACs: 15.4
    • Image size: 224 x 224
  • Papers:
  • Dataset: ImageNet-1k

Model Usage

Image Classification

from urllib.request import urlopen
from PIL import Image
import timm
import torch

img = Image.open(urlopen(
    'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

model = timm.create_model('rdnet_base.nv_in1k', pretrained=True)
model = model.eval()

# get model specific transforms (normalization, resize)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0))  # unsqueeze single image into batch of 1

top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)

Feature Map Extraction

from urllib.request import urlopen
from PIL import Image
import timm

img = Image.open(urlopen(
    'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

model = timm.create_model(
    'rdnet_base.nv_in1k',
    pretrained=True,
    features_only=True,
)
model = model.eval()

# get model specific transforms (normalization, resize)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0))  # unsqueeze single image into batch of 1

for o in output:
    # print shape of each feature map in output
    # e.g.:
    # torch.Size([1, 408, 56, 56])
    # torch.Size([1, 584, 28, 28])
    # torch.Size([1, 1000, 14, 14])
    # torch.Size([1, 1760, 7, 7])

    print(o.shape)

Image Embeddings

from urllib.request import urlopen
from PIL import Image
import timm

img = Image.open(urlopen(
    'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

model = timm.create_model(
    'rdnet_base.nv_in1k',
    pretrained=True,
    num_classes=0,  # remove classifier nn.Linear
)
model = model.eval()

# get model specific transforms (normalization, resize)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0))  # output is (batch_size, num_features) shaped tensor

# or equivalently (without needing to set num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# output is unpooled, a (1, 1760, 7, 7) shaped tensor

output = model.forward_head(output, pre_logits=True)
# output is a (1, num_features) shaped tensor

Citation

@misc{kim2024densenets,
    title={DenseNets Reloaded: Paradigm Shift Beyond ResNets and ViTs}, 
    author={Donghyun Kim and Byeongho Heo and Dongyoon Han},
    year={2024},
    eprint={2403.19588},
    archivePrefix={arXiv},
}

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
88e9642

0 моделей