/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
28 мар 2023

deit3_base_patch16_384.fb_in1k

Классификация изображенийИзображение → label3 профессии

Модель DeiT-III на базе Vision Transformer классифицирует изображения и извлекает визуальные признаки.

688скачиваний 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

    39,417 %

    image-classification 58,95 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top1 · выше — лучше

    Результат

    74,76 %

    image-classification 92,19 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top1 · выше — лучше

    Результат

    53,293 %

    image-classification 80,507 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    88,94 %

    image-classification 98,036 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    99,41 %

    image-classification 96,23 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top1 · выше — лучше

    Результат

    85,088 %

    image-classification 97,252 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top5 · выше — лучше

    Результат

    67,59 %

    image-classification 53,44 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top5 · выше — лучше

    Результат

    99,36 %

    image-classification 97,01 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

DeiT-III Base Patch16 384 — модель классификации изображений и визуальный backbone, разработанный авторами исследования DeiT III и обученный на ImageNet-1k. Она принимает изображения размером 384 × 384 пикселя и предсказывает класс объекта; также её можно использовать для извлечения визуальных признаков и эмбеддингов.

Модель построена на архитектуре Vision Transformer с патчами 16 × 16 и содержит 86,9 млн параметров. Для инференса доступны веса PyTorch и Safetensors, а основная библиотека репозитория — timm. Модель подходит для классификации изображений общего назначения и как backbone в системах компьютерного зрения.

Лицензия — Apache-2.0. Карточка не сообщает о специальных ограничениях; качество зависит от соответствия входных изображений данным ImageNet-1k и выбранной предобработки.

Сценарии применения

  • Классификация объектов на изображениях
  • Извлечение визуальных признаков для компьютерного зрения
  • Получение эмбеддингов изображений для поиска по сходству
  • Использование как backbone в прикладных системах распознавания

Ограничения

Модель обучена на ImageNet-1k и рассчитана на входные изображения 384 × 384 пикселя; качество на других распределениях данных 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_384.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_384.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_384.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, 577, 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
18ceb8b

0 моделей