/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
30 дек 2025

csatv2_21m.sw_r640_in1k

Классификация изображенийИзображение → label3 профессии

CSATv2 21M — модель на базе timm для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

377скачиваний за 30 дней0лайковвеса обновлены30 дек 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CSATv2 21M — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков. Её разработал Ross Wightman и обучил с помощью timm на ImageNet-1k. Чекпойнт содержит около 20,7 млн параметров и рассчитан на входные изображения размером 640 × 640 пикселей.

Модель можно применять для определения объектов и сцен на изображениях, извлечения карт признаков и получения эмбеддингов изображений. Она подходит как готовый классификатор ImageNet-1k и как визуальный энкодер для последующих задач машинного обучения. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

Сценарии применения

  • классификация объектов на изображениях
  • извлечение карт визуальных признаков
  • получение эмбеддингов изображений
  • использование визуального энкодера в компьютерном зрении

Ограничения

В карточке приведены характеристики для входного разрешения 640 × 640 и обучения на ImageNet-1k; сведения о точности на других наборах данных и условиях эксплуатации не приведены.

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 csatv2_21m.sw_r640_in1k

A CSATv2 image classification model pretrained with timm on ImageNet-1k by Ross Wightman.

Model Details

  • Model Type: Image Classification / Feature Encoder
  • Model Stats:
    • Params (M): 20.7
    • GMACs: 4.7
    • Activations (M): 26.7
    • Image size: 640 x 640
  • Original: https://huggingface.co/Hyunil/CSATv2
  • License: apache-2.0
  • Dataset: ImageNet-1k
  • Papers:

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('csatv2_21m.sw_r640_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)

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(
    'csatv2_21m.sw_r640_in1k',
    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, 48, 80, 80])
    #  torch.Size([1, 96, 40, 40])
    #  torch.Size([1, 224, 20, 20])
    #  torch.Size([1, 448, 10, 10])

    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(
    'csatv2_21m.sw_r640_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, 448, 10, 10) shaped tensor

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

Citation

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
d78eb79

0 моделей