/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
3 фев 2023

efficientformerv2_s0.snap_dist_in1k

Классификация изображенийИзображение → label3 профессии

Компактная модель EfficientFormer-V2 S0 классифицирует изображения и извлекает визуальные признаки, будучи предварительно обученной на ImageNet-1k.

2 113скачиваний 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.

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    85,56 %

    image-classification 64,74 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    37,813 %

    image-classification 54,017 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top5 · выше — лучше

    Результат

    97,89 %

    image-classification 91,96 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top5 · выше — лучше

    Результат

    43,931 %

    image-classification 25,361 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top5 · выше — лучше

    Результат

    95,811 %

    image-classification 83,398 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top1 · выше — лучше

    Результат

    91,85 %

    image-classification 98,37 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top1 · выше — лучше

    Результат

    7,813 %

    image-classification 32,947 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top5 · выше — лучше

    Результат

    92,85 %

    image-classification 76,102 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

EfficientFormer-V2 S0 — компактная модель классификации изображений из семейства EfficientFormer, опубликованная командой timm и предварительно обученная с дистилляцией на ImageNet-1k. Она предназначена для классификации изображений и может использоваться как визуальный backbone для извлечения эмбеддингов и карт признаков в задачах компьютерного зрения.

Модель содержит около 3,6 млн параметров, рассчитана на изображения размером 224 × 224 и имеет вычислительную стоимость около 0,4 GMAC. В репозитории доступны веса PyTorch и safetensors. Лицензия — Apache-2.0.

Компактный размер и мобильная архитектура подходят для сценариев, где важны скорость и экономия ресурсов. Карточка описывает обучение на ImageNet-1k; качество на других наборах данных и поведение при входных размерах, отличных от 224 × 224, отдельно не охарактеризованы.

Сценарии применения

  • классификация объектов на изображениях
  • извлечение эмбеддингов изображений для поиска по визуальному сходству
  • получение карт признаков для последующей компьютерной обработки
  • использование как компактного визуального backbone в приложениях с ограниченными ресурсами

Ограничения

Модель обучена на ImageNet-1k, поэтому её качество для иных предметных областей отдельно не подтверждено. В карточке указано целевое разрешение 224 × 224 пикселя.

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_s0.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_s0.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_s0.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_s0.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
aa226e9

0 моделей