/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
21 апр 2023

ese_vovnet39b.ra_in1k

Классификация изображенийИзображение → label3 профессии

Модель VoVNet-v2 для классификации изображений ImageNet-1k и извлечения визуальных признаков.

465скачиваний 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

    top1 · выше — лучше

    Результат

    79,312 %

    image-classification 95,36 %image-classification 94,722 %image-classification 80,378 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top1 · выше — лучше

    Результат

    69,85 %

    image-classification 89,54 %image-classification 88,21 %image-classification 68,25 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    40,637 %

    image-classification 57,013 %image-classification 56,693 %image-classification 40,877 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top1 · выше — лучше

    Результат

    94,5 %

    image-classification 99,09 %image-classification 98,9 %image-classification 93,85 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top1 · выше — лучше

    Результат

    94,11 %

    image-classification 98,91 %image-classification 98,66 %image-classification 94,89 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top1 · выше — лучше

    Результат

    30,694 %

    image-classification 49,885 %image-classification 49,06 %image-classification 29,743 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    49,613 %

    image-classification 43,707 %image-classification 18,107 %image-classification 13,12 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    86,78 %

    image-classification 97,374 %image-classification 96,9 %image-classification 85,74 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

esevovnet39b.ra_in1k — модель классификации изображений и извлечения признаков семейства VoVNet-v2, обученная Ross Wightman в библиотеке timm на ImageNet-1k с рецептом RandAugment. Она предназначена для распознавания объектов на изображениях, получения карт признаков и построения эмбеддингов изображений. Модель содержит 24,6 млн параметров; указанная вычислительная сложность составляет 7,1 GMACs. Размер изображений при обучении — 224×224, при тестировании — 288×288.

Модель опубликована в форматах PyTorch и safetensors и распространяется по лицензии Apache-2.0. Она подходит как готовый классификатор ImageNet-1k и как визуальный backbone для последующих задач компьютерного зрения. Карточка не приводит результатов оценки за пределами ImageNet-1k.

Сценарии применения

  • Классификация объектов на изображениях
  • Получение карт признаков для компьютерного зрения
  • Извлечение эмбеддингов изображений
  • Использование визуального backbone в системах распознавания

Ограничения

Модель обучена на ImageNet-1k, поэтому её классификационные возможности ориентированы на категории этого набора данных. В карточке не приведены метрики качества для других наборов и сценариев.

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 ese_vovnet39b.ra_in1k

A VoVNet-v2 image classification model. Pretrained on ImageNet-1k in timm by Ross Wightman using RandAugment RA recipe. Related to B recipe in ResNet Strikes Back.

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('ese_vovnet39b.ra_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(
    'ese_vovnet39b.ra_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, 64, 112, 112])
    #  torch.Size([1, 256, 56, 56])
    #  torch.Size([1, 512, 28, 28])
    #  torch.Size([1, 768, 14, 14])
    #  torch.Size([1, 1024, 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(
    'ese_vovnet39b.ra_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

Citation

@inproceedings{lee2019energy,
  title = {An Energy and GPU-Computation Efficient Backbone Network for Real-Time Object Detection},
  author = {Lee, Youngwan and Hwang, Joong-won and Lee, Sangrok and Bae, Yuseok and Park, Jongyoul},
  booktitle = {Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops},
  year = {2019}
}
@article{lee2019centermask,
  title={CenterMask: Real-Time Anchor-Free Instance Segmentation},
  author={Lee, Youngwan and Park, Jongyoul},
  booktitle={CVPR},
  year={2020}
}
@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
98a889c

0 моделей