/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
5 мая 2023

caformer_s36.sail_in1k_384

Классификация изображенийИзображение → label3 профессии

CAFormer S36 — модель для классификации изображений ImageNet-1k и извлечения визуальных признаков и эмбеддингов.

121скачиваний 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

    top1 · выше — лучше

    Результат

    89,698 %

    image-classification 98,313 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top1 · выше — лучше

    Результат

    76,38 %

    image-classification 93,42 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    99,66 %

    image-classification 96,88 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top5 · выше — лучше

    Результат

    62,768 %

    image-classification 41,773 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top1 · выше — лучше

    Результат

    85,762 %

    image-classification 97,666 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    82,64 %

    image-classification 57,12 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top5 · выше — лучше

    Результат

    68,647 %

    image-classification 54,53 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top1 · выше — лучше

    Результат

    97,4 %

    image-classification 99,54 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CAFormer S36 — модель классификации изображений и извлечения визуальных признаков из семейства MetaFormer, опубликованная авторами статьи и обученная на ImageNet-1k. Она принимает изображение размером 384 × 384 пикселя и предназначена для отнесения объектов к классам ImageNet, извлечения карт признаков и создания эмбеддингов изображений. Модель содержит 39,3 млн параметров; вычислительная сложность составляет 26,1 GMACs.

Модель можно применять как готовый классификатор или как визуальную основу для последующих задач компьютерного зрения. Доступны веса PyTorch и safetensors, а лицензия — Apache-2.0. Карточка не описывает поддержку текстового ввода или генерации изображений; качество классификации вне ImageNet-1k отдельно не охарактеризовано.

Сценарии применения

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

Ограничения

Модель обучена на ImageNet-1k; качество на других наборах данных и для классов вне ImageNet-1k не подтверждено в карточке. Для классификации ожидаются изображения размером 384 × 384 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 caformer_s36.sail_in1k_384

A CAFormer (a MetaFormer) image classification model. Trained 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_s36.sail_in1k_384', 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_s36.sail_in1k_384',
    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, 96, 96])
    #  torch.Size([1, 128, 48, 48])
    #  torch.Size([1, 320, 24, 24])
    #  torch.Size([1, 512, 12, 12])

    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_s36.sail_in1k_384',
    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, 12, 12) 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
695903a

0 моделей