/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
24 апр 2023

coat_mini.in1k

Классификация изображенийИзображение → label3 профессии

Компактный CoaT-трансформер для классификации изображений ImageNet-1k и извлечения визуальных признаков.

335скачиваний 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

    31,213 %

    image-classification 49,787 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    57,68 %

    image-classification 25,72 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    86,835 %

    image-classification 97,158 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top5 · выше — лучше

    Результат

    55,15 %

    image-classification 40,313 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top5 · выше — лучше

    Результат

    95,388 %

    image-classification 81,32 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    89,56 %

    image-classification 70,53 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top1 · выше — лучше

    Результат

    94,75 %

    image-classification 98,95 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top5 · выше — лучше

    Результат

    98,78 %

    image-classification 94,99 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

timm/coat_mini.in1k — модель классификации изображений семейства CoaT (Co-Scale Conv-Attentional Transformer), обученная авторами статьи на ImageNet-1k. Она также предназначена для использования в качестве визуального backbone и извлечения признаков. Модель содержит 10,3 млн параметров, выполняет 6,8 GMACs и рассчитана на изображения размером 224 × 224 пикселя.

Модель подходит для классификации изображений по классам ImageNet-1k и получения эмбеддингов изображений для последующих задач компьютерного зрения. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. В карточке не описаны ограничения качества или дополнительные обучающие данные за пределами ImageNet-1k.

Сценарии применения

  • классификация изображений по классам ImageNet-1k
  • извлечение признаков изображений для компьютерного зрения
  • получение эмбеддингов изображений для поиска по визуальному сходству

Ограничения

Модель обучена на ImageNet-1k и рассчитана на входные изображения размером 224 × 224 пикселя; её применение к другим наборам классов или разрешениям 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 coat_mini.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_mini.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_mini.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 (torch.Size([1, 785, 216]), torch.Size([1, 197, 216]), torch.Size([1, 50, 216])) 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
a945466

0 моделей