/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
5 мая 2023

caformer_s18.sail_in22k_ft_in1k

Классификация изображенийИзображение → label3 профессии

CAFormer-S18 — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-22k и дообученная на ImageNet-1k.

12 336скачиваний за 30 дней0лайковвеса обновлены21 янв 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки8

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • imagenet-real

    top5 · выше — лучше

    Результат

    98,307 %

    image-classification 88,975 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top1 · выше — лучше

    Результат

    96,71 %

    image-classification 99,48 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top5 · выше — лучше

    Результат

    97,182 %

    image-classification 84,092 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    74,907 %

    image-classification 43,32 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    92,52 %

    image-classification 74,44 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top5 · выше — лучше

    Результат

    69,673 %

    image-classification 54,117 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    99,55 %

    image-classification 96,03 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top5 · выше — лучше

    Результат

    63,906 %

    image-classification 41,192 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

caformer_s18.sail_in22k_ft_in1k — модель классификации изображений семейства CAFormer и архитектуры MetaFormer, опубликованная авторами статьи и доступная в библиотеке timm. Она предварительно обучена на ImageNet-22k, затем дообучена для классификации на ImageNet-1k. Модель содержит 26,3 млн параметров, выполняет 4,1 GMACs и рассчитана на изображения размером 224 × 224 пикселя.

Модель предназначена для отнесения изображений к категориям ImageNet-1k, а также может использоваться как визуальный backbone для извлечения признаков и эмбеддингов изображений. Подходит для классификации объектов на фотографиях и построения систем компьютерного зрения на основе извлечённых признаков. Доступна в форматах PyTorch и safetensors; лицензия Apache-2.0.

Сценарии применения

  • классификация объектов на изображениях
  • распознавание категорий ImageNet-1k
  • извлечение признаков из изображений
  • получение эмбеддингов изображений для поиска и сравнения
  • использование визуального backbone в системах компьютерного зрения

Ограничения

Модель рассчитана на входные изображения размером 224 × 224 пикселя и обучена на категориях ImageNet-1k; перенос на специализированные области или другие наборы категорий может потребовать адаптации.

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 caformer_s18.sail_in22k_ft_in1k

A CAFormer (a MetaFormer) image classification model. Pretrained on ImageNet-22k and fine-tuned on ImageNet-1k by paper authors.

Model Details

Model Usage

Image Classification

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('caformer_s18.sail_in22k_ft_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(
    'caformer_s18.sail_in22k_ft_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, 64, 56, 56])
    #  torch.Size([1, 128, 28, 28])
    #  torch.Size([1, 320, 14, 14])
    #  torch.Size([1, 512, 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(
    'caformer_s18.sail_in22k_ft_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, 512, 7, 7) shaped tensor

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

Model Comparison

Explore the dataset and runtime metrics of this model in timm model results.

Citation

@article{yu2022metaformer_baselines,
  title={Metaformer baselines for vision},
  author={Yu, Weihao and Si, Chenyang and Zhou, Pan and Luo, Mi and Zhou, Yichen and Feng, Jiashi and Yan, Shuicheng and Wang, Xinchao},
  journal={arXiv preprint arXiv:2210.13452},
  year={2022}
}

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
cc6467f

0 моделей