/ Модель

Характеристики

Лицензия
BSD 3-Clause
Библиотека
timm
Опубликована
5 апр 2024

rdnet_large.nv_in1k

Классификация изображенийИзображение → label

RDNet Large — модель компьютерного зрения для классификации изображений ImageNet-1k и извлечения визуальных признаков.

158скачиваний за 30 дней1лайквеса 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_large.nv_in1k — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков. Это веса RDNet, обученные на ImageNet-1k; карточка указывает на оригинальные веса torchvision. Модель содержит 186 млн параметров, требует изображения размером 224 × 224 и имеет вычислительную сложность 34,7 GMACs.

Модель подходит для определения объектов и категорий на изображениях, извлечения карт признаков и получения эмбеддингов изображений. На валидационной выборке ImageNet-1k точность top-1 составляет 84,8%. Модель принимает изображения и выдаёт метки классов либо визуальные представления для дальнейшей обработки. Репозиторий распространяется в формате PyTorch; библиотека для работы с моделью — timm. Лицензия — BSD 3-Clause.

Сценарии применения

  • классификация объектов на изображениях
  • извлечение карт признаков для компьютерного зрения
  • получение эмбеддингов изображений
  • использование визуального бэкбона в прикладных системах

Ограничения

Модель предназначена для изображений размером 224 × 224 и обучена на ImageNet-1k, поэтому её классы и точность в других предметных областях могут быть ограничены. Для практического применения требуется учитывать вычислительную нагрузку: 186 млн параметров и 34,7 GMACs.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model card for rdnet_large.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: 84.8%
    • Params (M): 186
    • GMACs: 34.7
    • 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_large.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_large.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, 528, 56, 56])
    # torch.Size([1, 840, 28, 28])
    # torch.Size([1, 1528, 14, 14])
    # torch.Size([1, 2000, 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_large.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, 2000, 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
48b88b5

0 моделей