/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
28 мар 2023

deit3_base_patch16_224.fb_in1k

Классификация изображенийИзображение → label3 профессии

DeiT-III Base — модель Vision Transformer для классификации изображений ImageNet-1k и получения визуальных эмбеддингов.

4 982скачиваний 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-real

    top1 · выше — лучше

    Результат

    88,261 %

    image-classification 97,805 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    53,433 %

    image-classification 67,573 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    91,26 %

    image-classification 73,42 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    70,76 %

    image-classification 38,92 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top1 · выше — лучше

    Результат

    83,8 %

    image-classification 96,584 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top1 · выше — лучше

    Результат

    40,378 %

    image-classification 60,166 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    99,26 %

    image-classification 95,79 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top5 · выше — лучше

    Результат

    99,19 %

    image-classification 96,29 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

DeiT-III Base Patch16 224 — модель классификации изображений из семейства Vision Transformer, обученная авторами статьи на ImageNet-1k. Веса распространяются через timm в форматах PyTorch и safetensors по лицензии Apache-2.0.

Модель принимает изображения размером 224 × 224 и относит их к классам ImageNet-1k. Её также можно использовать как визуальную основу для получения эмбеддингов изображений. В модели около 86,6 млн параметров; вычислительная сложность составляет 17,6 GMACs.

Модель подходит для классификации изображений и извлечения визуальных признаков. Её специализация и обучение на ImageNet-1k ограничивают применимость задачами, близкими к распознаванию объектов из этого набора классов; качество на других данных может отличаться.

Сценарии применения

  • классификация изображений по классам ImageNet-1k
  • извлечение эмбеддингов изображений
  • создание визуальных признаков для последующей обработки
  • сравнение изображений через их признаки

Ограничения

Модель обучена на ImageNet-1k и рассчитана на входной размер 224 × 224; её качество на других наборах данных и предметных областях может отличаться.

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 deit3_base_patch16_224.fb_in1k

A DeiT-III 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('deit3_base_patch16_224.fb_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(
    'deit3_base_patch16_224.fb_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, 197, 768) 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{Touvron2022DeiTIR,
  title={DeiT III: Revenge of the ViT},
  author={Hugo Touvron and Matthieu Cord and Herve Jegou},
  journal={arXiv preprint arXiv:2204.07118},
  year={2022},
}
@misc{rw2019timm,
  author = {Ross Wightman},
  title = {PyTorch Image Models},
  year = {2019},
  publisher = {GitHub},
  journal = {GitHub repository},
  doi = {10.5281/zenodo.4414861},
  howpublished = {\url{https://github.com/huggingface/pytorch-image-models}}
}

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
19c7b54

0 моделей