/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
28 мар 2023

deit3_medium_patch16_224.fb_in22k_ft_in1k

Классификация изображенийИзображение → label3 профессии

Модель DeiT-III классифицирует изображения ImageNet и извлекает визуальные признаки для последующих задач компьютерного зрения.

474скачиваний 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

    88,921 %

    image-classification 98,296 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    92,57 %

    image-classification 74,68 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top1 · выше — лучше

    Результат

    43,267 %

    image-classification 64,912 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top1 · выше — лучше

    Результат

    96,99 %

    image-classification 99,45 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top5 · выше — лучше

    Результат

    97,18 %

    image-classification 84,55 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    77,053 %

    image-classification 48,267 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top1 · выше — лучше

    Результат

    96,16 %

    image-classification 99,49 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    56,687 %

    image-classification 69,76 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

deit3_medium_patch16_224.fb_in22k_ft_in1k — модель семейства DeiT-III для классификации изображений и извлечения визуальных признаков. Разработана авторами работы DeiT III: Revenge of the ViT и опубликована в библиотеке timm. Модель содержит 38,8 млн параметров, использует архитектуру Vision Transformer с патчами 16 × 16 и рассчитана на изображения размером 224 × 224 пикселя.

Модель предварительно обучена на ImageNet-22k, затем дообучена на ImageNet-1k. Она подходит для распознавания объектов из набора классов ImageNet и в качестве визуального backbone для задач, которым нужны признаки изображения. Репозиторий предоставляет веса PyTorch и safetensors; лицензия — Apache-2.0. Модель принимает изображения и выдаёт классовые оценки либо эмбеддинги. README не сообщает о специализированной обработке изображений вне этих сценариев.

Сценарии применения

  • классификация объектов на изображениях по классам ImageNet
  • получение эмбеддингов изображений для поиска похожих картинок
  • извлечение визуальных признаков для последующих задач компьютерного зрения

Ограничения

Модель рассчитана на входные изображения размером 224 × 224 и классификацию в рамках ImageNet-1k; пригодность для других наборов классов и предметных областей требует отдельной проверки.

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_medium_patch16_224.fb_in22k_ft_in1k

A DeiT-III image classification model. Pretrained on ImageNet-22k and fine-tuned 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_medium_patch16_224.fb_in22k_ft_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_medium_patch16_224.fb_in22k_ft_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, 512) 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
68625c7

0 моделей