/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
12 дек 2022

efficientnetv2_rw_t.ra2_in1k

Классификация изображенийИзображение → label3 профессии

Модель EfficientNetV2 из timm для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

19 268скачиваний 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

    34,165 %

    image-classification 54,982 %image-classification 53,155 %image-classification 35,393 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top1 · выше — лучше

    Результат

    95,61 %

    image-classification 99,04 %image-classification 98,75 %image-classification 94,98 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top1 · выше — лучше

    Результат

    81,37 %

    image-classification 96,178 %image-classification 95,55 %image-classification 82,354 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top1 · выше — лучше

    Результат

    16,72 %

    image-classification 57,16 %image-classification 47,093 %image-classification 24,227 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    45,6 %

    image-classification 61,403 %image-classification 60,173 %image-classification 46,447 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    87,657 %

    image-classification 97,679 %image-classification 97,224 %image-classification 86,746 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top1 · выше — лучше

    Результат

    94,66 %

    image-classification 99,21 %image-classification 99,11 %image-classification 95,09 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    89,67 %

    image-classification 90,46 %image-classification 72,32 %image-classification 70,25 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

efficientnetv2_rw_t.ra2_in1k — модель компьютерного зрения из библиотеки timm для классификации изображений и извлечения визуальных признаков. Она основана на архитектуре EfficientNetV2 и обучена на ImageNet-1k с рецептом RandAugment RA2; в карточке также указаны оптимизатор RMSProp с усреднением EMA и ступенчатое экспоненциальное уменьшение скорости обучения с разогревом. Модель содержит 13,6 млн параметров и рассчитана на изображения размером 224 × 224 при обучении и 288 × 288 при тестировании.

Модель подходит для определения объектов и сцен по изображениям, извлечения карт признаков и получения векторных представлений изображений. Для использования доступны веса PyTorch и safetensors; библиотека — timm. Модель распространяется по лицензии Apache-2.0. Обучение на ImageNet-1k означает, что качество на других предметных областях и типах изображений может отличаться.

Сценарии применения

  • классификация объектов на изображениях
  • определение категорий и сцен на фотографиях
  • извлечение карт признаков для компьютерного зрения
  • получение векторных представлений изображений

Ограничения

Обучение проводилось на ImageNet-1k, поэтому качество на специализированных доменах может быть ниже. Карточка не приводит результатов метрик для независимых наборов данных.

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 efficientnetv2_rw_t.ra2_in1k

A EfficientNet-v2 image classification model. This is a timm specific variation of the architecture. Trained on ImageNet-1k in timm using recipe template described below.

Recipe details:

  • RandAugment RA2 recipe. Inspired by and evolved from EfficientNet RandAugment recipes. Published as B recipe in ResNet Strikes Back.
  • RMSProp (TF 1.0 behaviour) optimizer, EMA weight averaging
  • Step (exponential decay w/ staircase) LR schedule with warmup

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('efficientnetv2_rw_t.ra2_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)

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(
    'efficientnetv2_rw_t.ra2_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.:
    #  torch.Size([1, 24, 112, 112])
    #  torch.Size([1, 40, 56, 56])
    #  torch.Size([1, 48, 28, 28])
    #  torch.Size([1, 128, 14, 14])
    #  torch.Size([1, 208, 7, 7])

    print(o.shape)

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(
    'efficientnetv2_rw_t.ra2_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, 1024, 7, 7) 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

@inproceedings{tan2021efficientnetv2,
  title={Efficientnetv2: Smaller models and faster training},
  author={Tan, Mingxing and Le, Quoc},
  booktitle={International conference on machine learning},
  pages={10096--10106},
  year={2021},
  organization={PMLR}
}
@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}}
}
@inproceedings{wightman2021resnet,
  title={ResNet strikes back: An improved training procedure in timm},
  author={Wightman, Ross and Touvron, Hugo and Jegou, Herve},
  booktitle={NeurIPS 2021 Workshop on ImageNet: Past, Present, and Future}
}

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
da18289

0 моделей