/ Модель

Характеристики

Лицензия
MIT
Библиотека
timm
Опубликована
24 апр 2023

convmixer_1024_20_ks9_p14.in1k

Классификация изображенийИзображение → label3 профессии

ConvMixer 1024/20/ks9/p14.in1k — модель для классификации изображений ImageNet-1k и извлечения признаков.

2 543скачиваний 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-a

    top1 · выше — лучше

    Результат

    7 %

    image-classification 32,64 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    85,51 %

    image-classification 65,44 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    83,684 %

    image-classification 95,894 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top5 · выше — лучше

    Результат

    98,28 %

    image-classification 92,42 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top5 · выше — лучше

    Результат

    59,697 %

    image-classification 42,26 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top5 · выше — лучше

    Результат

    49,926 %

    image-classification 30,069 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top1 · выше — лучше

    Результат

    92,33 %

    image-classification 98,41 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top1 · выше — лучше

    Результат

    76,944 %

    image-classification 93,364 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ConvMixer 1024/20/ks9/p14.in1k — модель классификации изображений и извлечения признаков из семейства ConvMixer, опубликованная авторами статьи и обученная на ImageNet-1k. Она содержит около 24,4 млн параметров, использует изображения размером 224 × 224 и требует примерно 5,5 GMACs на обработку изображения.

Модель подходит для классификации изображений по классам ImageNet-1k и получения признаковых представлений изображений для последующего использования. Архитектура ConvMixer сочетает патчевое представление изображений с операциями свёртки. Репозиторий поддерживает загрузку весов в форматах PyTorch и safetensors через библиотеку timm.

Модель обрабатывает изображения и выдаёт предсказания классов либо признаки. Лицензия — MIT. Обучение на ImageNet-1k задаёт область распознаваемых категорий; для задач с другими классами модель может потребовать дополнительной адаптации.

Сценарии применения

  • классификация изображений по классам ImageNet-1k
  • извлечение признаков изображений для последующего анализа
  • использование как визуального backbone в компьютерном зрении

Ограничения

Обучена на ImageNet-1k и рассчитана на изображения размером 224 × 224; качество на других наборах категорий и размерах изображений не описано.

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 convmixer_1024_20_ks9_p14.in1k

A ConvMixer 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('convmixer_1024_20_ks9_p14.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(
    'convmixer_1024_20_ks9_p14.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, 1024, 16, 16) 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{Chen2021CrossViTCM,
  title={CrossViT: Cross-Attention Multi-Scale Vision Transformer for Image Classification},
  author={Chun-Fu Chen and Quanfu Fan and Rameswar Panda},
  journal={2021 IEEE/CVF International Conference on Computer Vision (ICCV)},
  year={2021},
  pages={347-356}
}

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
bc72614

0 моделей