/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
3 фев 2023

efficientformerv2_l.snap_dist_in1k

Классификация изображенийИзображение → label3 профессии

EfficientFormer-V2 — компактная модель для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

309скачиваний за 30 дней1лайквеса 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-r

    top5 · выше — лучше

    Результат

    65,107 %

    image-classification 49,55 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top1 · выше — лучше

    Результат

    27,733 %

    image-classification 61,347 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top5 · выше — лучше

    Результат

    56,639 %

    image-classification 36,784 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    90,82 %

    image-classification 72,86 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top1 · выше — лучше

    Результат

    96,06 %

    image-classification 99,21 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top1 · выше — лучше

    Результат

    95,74 %

    image-classification 99,37 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top5 · выше — лучше

    Результат

    97,933 %

    image-classification 88,481 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top1 · выше — лучше

    Результат

    83,642 %

    image-classification 96,546 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

efficientformerv2_l.snap_dist_in1k — модель классификации изображений семейства EfficientFormer-V2, опубликованная в репозитории timm и предназначенная для классификации изображений и извлечения визуальных признаков. Она предварительно обучена на ImageNet-1k с дистилляцией и рассчитана на изображения размером 224 × 224 пикселя. Модель содержит около 26,3 млн параметров и требует 2,6 GMACs на обработку изображения.

В карточке приведён результат top-1 83,628% и top-5 96,54% на ImageNet-1k. Веса доступны в форматах PyTorch и safetensors; репозиторий использует библиотеку timm. Лицензия — Apache-2.0. Карточка не указывает языковые возможности: модель работает с изображениями и выдаёт классы или визуальные признаки.

Сценарии применения

  • классификация объектов на изображениях
  • извлечение признаков изображения для последующего анализа
  • использование визуального бэкбона в компьютерном зрении

Ограничения

Модель рассчитана на входные изображения размером 224 × 224 пикселя и обучена на ImageNet-1k; результаты за пределами этого набора данных могут 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 efficientformerv2_l.snap_dist_in1k

A EfficientFormer-V2 image classification model. Pretrained with distillation on ImageNet-1k.

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('efficientformerv2_l.snap_dist_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(
    'efficientformerv2_l.snap_dist_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 (ie.e a (batch_size, num_features, H, W) tensor

output = model.forward_head(output, pre_logits=True)
# output is (batch_size, num_features) tensor

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(
    'efficientformerv2_l.snap_dist_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. for efficientformerv2_l: 
    # torch.Size([2, 40, 56, 56])
    # torch.Size([2, 80, 28, 28])
    # torch.Size([2, 192, 14, 14])
    # torch.Size([2, 384, 7, 7])
    print(o.shape)

Model Comparison

modeltop1top5param_countimg_size
efficientformerv2_l.snap_dist_in1k83.62896.5426.32224
efficientformer_l7.snap_dist_in1k83.36896.53482.23224
efficientformer_l3.snap_dist_in1k82.57296.2431.41224
efficientformerv2_s2.snap_dist_in1k82.12895.90212.71224
efficientformer_l1.snap_dist_in1k80.49694.98412.29224
efficientformerv2_s1.snap_dist_in1k79.69894.6986.19224
efficientformerv2_s0.snap_dist_in1k76.02692.773.6224

Citation

@article{li2022rethinking,
  title={Rethinking Vision Transformers for MobileNet Size and Speed},
  author={Li, Yanyu and Hu, Ju and Wen, Yang and Evangelidis, Georgios and Salahi, Kamyar and Wang, Yanzhi and Tulyakov, Sergey and Ren, Jian},
  journal={arXiv preprint arXiv:2212.08059},
  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/rwightman/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
092a1c1

0 моделей