/ Модель

Характеристики

Параметры
14,7 млн
Лицензия
MIT
Архитектура
nat · dense
Опубликована
15 ноя 2022

nat-mini-in1k-224

Классификация изображенийИзображение → label3 профессии

Компактный vision transformer NAT-Mini классифицирует изображения 224×224 по 1000 классам ImageNet-1K.

37скачиваний за 30 дней0лайковвеса обновлены18 ноя 2022

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

NAT-Mini — компактная модель классификации изображений, разработанная исследовательской группой SHI Labs и представленная в работе Neighborhood Attention Transformer. Это иерархический vision transformer с 14,7 млн параметров, обученный на ImageNet-1K для изображений размером 224×224 пикселя. Механизм Neighborhood Attention ограничивает область внимания каждого токена ближайшими соседними пикселями, используя скользящее окно.

Модель предназначена для отнесения изображения к одному из 1000 классов ImageNet. Её можно применять для классификации изображений, в том числе изображений из других наборов данных, если подходят классы ImageNet. Для работы в PyTorch требуется расширение NATTEN. Модель выпущена по лицензии MIT.

Сценарии применения

  • классификация изображений по классам ImageNet-1K
  • распознавание объектов на фотографиях
  • определение категории изображения для сортировки фотоколлекции

Ограничения

Модель обучена на ImageNet-1K и предсказывает только его 1000 классов; для других наборов меток может потребоваться дообучение. Для работы в PyTorch требуется NATTEN.

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

NAT (mini variant)

NAT-Mini trained on ImageNet-1K at 224x224 resolution. It was introduced in the paper Neighborhood Attention Transformer by Hassani et al. and first released in this repository.

Model description

NAT is a hierarchical vision transformer based on Neighborhood Attention (NA). Neighborhood Attention is a restricted self attention pattern in which each token's receptive field is limited to its nearest neighboring pixels. NA is a sliding-window attention patterns, and as a result is highly flexible and maintains translational equivariance.

NA is implemented in PyTorch implementations through its extension, NATTEN.

model image

Source

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.

Example

Here is how to use this model to classify an image from the COCO 2017 dataset into one of the 1,000 ImageNet classes:

from transformers import AutoImageProcessor, NatForImageClassification
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

feature_extractor = AutoImageProcessor.from_pretrained("shi-labs/nat-mini-in1k-224")
model = NatForImageClassification.from_pretrained("shi-labs/nat-mini-in1k-224")

inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
# model predicts one of the 1000 ImageNet classes
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

For more examples, please refer to the documentation.

Requirements

Other than transformers, this model requires the NATTEN package.

If you're on Linux, you can refer to shi-labs.com/natten for instructions on installing with pre-compiled binaries (just select your torch build to get the correct wheel URL).

You can alternatively use pip install natten to compile on your device, which may take up to a few minutes. Mac users only have the latter option (no pre-compiled binaries).

Refer to NATTEN's GitHub for more information.

BibTeX entry and citation info

@article{hassani2022neighborhood,
	title        = {Neighborhood Attention Transformer},
	author       = {Ali Hassani and Steven Walton and Jiachen Li and Shen Li and Humphrey Shi},
	year         = 2022,
	url          = {https://arxiv.org/abs/2204.07143},
	eprint       = {2204.07143},
	archiveprefix = {arXiv},
	primaryclass = {cs.CV}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Нельзя запустить

Архитектура nat неизвестна transformers в образе рантайма.

Класс архитектуры
NatForImageClassification
Ревизия весов
b34f038

0 моделей