/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
24 апр 2023

coat_lite_medium_384.in1k

Классификация изображенийИзображение → label3 профессии

CoaT Lite Medium 384 — визуальный трансформер для классификации изображений ImageNet-1k и извлечения признаков.

134скачиваний за 30 дней0лайковвеса обновлены18 мар 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

    39,185 %

    image-classification 59,29 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top1 · выше — лучше

    Результат

    84,89 %

    image-classification 97,376 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top5 · выше — лучше

    Результат

    99,45 %

    image-classification 97,15 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top1 · выше — лучше

    Результат

    96,62 %

    image-classification 99,45 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    78,547 %

    image-classification 48,84 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    51,413 %

    image-classification 65,68 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top1 · выше — лучше

    Результат

    75,21 %

    image-classification 92,18 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top5 · выше — лучше

    Результат

    98,226 %

    image-classification 89,216 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CoaT Lite Medium 384 — модель классификации изображений семейства CoaT (Co-Scale Conv-Attentional Transformer), обученная авторами статьи на ImageNet-1k. Её также можно использовать как визуальный backbone для извлечения признаков и эмбеддингов изображений.

Модель содержит 44,6 млн параметров и рассчитана на входные изображения размером 384 × 384 пикселя. Она предназначена для распознавания объектов на изображениях общего назначения и может служить основой для задач компьютерного зрения, где нужны визуальные признаки.

Репозиторий предоставляет веса PyTorch; модель доступна по лицензии Apache-2.0. В карточке не приведены сведения о поддержке текстового ввода или о языках.

Сценарии применения

  • классификация объектов на изображениях
  • распознавание объектов в изображениях размером 384 × 384
  • извлечение визуальных признаков для компьютерного зрения

Ограничения

Модель обучена на ImageNet-1k и ориентирована на классификацию изображений; перенос на специализированные предметные области может потребовать адаптации. Для заявленного размера входа следует использовать изображения 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 coat_lite_medium_384.in1k

A CoaT (Co-Scale Conv-Attentional Transformer) 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('coat_lite_medium_384.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(
    'coat_lite_medium_384.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, 145, 512) 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

@InProceedings{Xu_2021_ICCV,
  author    = {Xu, Weijian and Xu, Yifan and Chang, Tyler and Tu, Zhuowen},
  title     = {Co-Scale Conv-Attentional Image Transformers},
  booktitle = {Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)},
  month     = {October},
  year      = {2021},
  pages     = {9981-9990}
}

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
2c4f907

0 моделей