/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
13 апр 2023

cait_xs24_384.fb_dist_in1k

Классификация изображенийИзображение → label3 профессии

Модель CaiT с дистилляцией на ImageNet-1k для классификации изображений и извлечения визуальных признаков.

217скачиваний 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.

  • sketch

    top1 · выше — лучше

    Результат

    36,409 %

    image-classification 56,92 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    89,169 %

    image-classification 98,285 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top1 · выше — лучше

    Результат

    96,57 %

    image-classification 99,42 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    74,893 %

    image-classification 43,627 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top5 · выше — лучше

    Результат

    96,888 %

    image-classification 84,064 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top5 · выше — лучше

    Результат

    64,837 %

    image-classification 49,507 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    99,42 %

    image-classification 96,01 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top1 · выше — лучше

    Результат

    74,11 %

    image-classification 91,92 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

timm/cait_xs24_384.fb_dist_in1k — модель классификации изображений семейства CaiT (Class-Attention in Image Transformers), подготовленная авторами статьи и опубликованная в экосистеме timm. Она обучена на ImageNet-1k с дистилляцией и может использоваться как для классификации изображений, так и в качестве визуального backbone для получения признаковых представлений. Модель содержит 26,7 млн параметров, рассчитана на изображения размером 384 × 384 и имеет лицензию Apache-2.0.

Модель подходит для определения объектов и категорий на изображениях, а также для извлечения признаков в компьютерном зрении. Карточка указывает вычислительную стоимость 19,3 GMACs. Это визуальная модель: она принимает изображения и возвращает классы либо эмбеддинги. Языковые возможности не заявлены.

Сценарии применения

  • классификация объектов и сцен на изображениях
  • определение категории изображения из набора классов ImageNet
  • извлечение признаковых векторов изображений
  • использование визуального backbone в задачах компьютерного зрения

Ограничения

Модель обучена на ImageNet-1k и ориентирована на классификацию по связанному с этим набором классов; для других предметных областей может потребоваться адаптация. В карточке указана входная сторона 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 cait_xs24_384.fb_dist_in1k

A CaiT (Class-Attention in Image Transformers) image classification model. Pretrained on ImageNet-1k with distillation 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('cait_xs24_384.fb_dist_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)

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(
    'cait_xs24_384.fb_dist_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, 577, 288) shaped tensor

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

Citation

@InProceedings{Touvron_2021_ICCV,
    author    = {Touvron, Hugo and Cord, Matthieu and Sablayrolles, Alexandre and Synnaeve, Gabriel and J'egou, Herv'e},
    title     = {Going Deeper With Image Transformers},
    booktitle = {Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)},
    month     = {October},
    year      = {2021},
    pages     = {32-42}
}

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
151e9c0

0 моделей