/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
21 авг 2024

hiera_small_abswin_256.sbb2_pd_e200_in12k_ft_in1k

Классификация изображенийИзображение → label3 профессии

Иерархический Vision Transformer Hiera с 34,4 млн параметров для классификации изображений и извлечения визуальных признаков.

107скачиваний 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-r-clean

    top1 · выше — лучше

    Результат

    96,14 %

    image-classification 99,31 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top1 · выше — лучше

    Результат

    38,085 %

    image-classification 58,286 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top5 · выше — лучше

    Результат

    98,051 %

    image-classification 88,501 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top1 · выше — лучше

    Результат

    84,564 %

    image-classification 97,108 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top1 · выше — лучше

    Результат

    96,7 %

    image-classification 99,23 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top1 · выше — лучше

    Результат

    44,787 %

    image-classification 74,547 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    50,473 %

    image-classification 65,447 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top1 · выше — лучше

    Результат

    74,04 %

    image-classification 91,73 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

hiera_small_abswin_256.sbb2_pd_e200_in12k_ft_in1k — модель классификации изображений на основе иерархического Vision Transformer Hiera, опубликованная Ross Wightman в библиотеке timm. Она содержит 34,4 млн параметров и рассчитана на изображения размером 256 × 256 пикселей. Модель предварительно обучена на ImageNet-12k и дообучена на ImageNet-1k по рецепту из работы «Searching for better ViT baselines». В обучении применялся patch dropout с масками Hiera.

Модель предназначена для определения классов объектов на изображениях и может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Вариант поддерживает масштабируемые позиционные эмбеддинги abs-win; обучение с patch dropout призвано улучшить их обобщение на другие разрешения. Репозиторий предоставляет веса PyTorch и safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • Классификация изображений по классам ImageNet
  • Извлечение карт признаков из изображений
  • Получение эмбеддингов изображений для поиска и анализа
  • Использование визуального backbone в компьютерном зрении

Ограничения

Обучение и настройка ориентированы на ImageNet; README сообщает размер изображения 256 × 256, а обобщение на другие разрешения лишь связывает с применённым patch dropout, без конкретных гарантий качества.

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 hiera_small_abswin_256.sbb2_pd_e200_in12k_ft_in1k

A Hiera image classification model w/ resizeable abs-win position embeddings and layer-scale. Pretrained on ImageNet-12k and fine-tuned on ImageNet-1k by Ross Wightman using "Searching for better ViT baselines" recipe. Patch dropout used during training using Hiera mask units, appeared to make pos embed more generalizable to other resolutions.

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('hiera_small_abswin_256.sbb2_pd_e200_in12k_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)

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(
    'hiera_small_abswin_256.sbb2_pd_e200_in12k_ft_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, 96, 64, 64])
    #  torch.Size([1, 192, 32, 32])
    #  torch.Size([1, 384, 16, 16])
    #  torch.Size([1, 768, 8, 8])

    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(
    'hiera_small_abswin_256.sbb2_pd_e200_in12k_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, 64, 768) shaped tensor

output = model.forward_head(output, pre_logits=True)
# output is a (1, num_features) shaped tensor

Model Comparison

By Top-1

modeltop1top5param_count
hiera_huge_224.mae_in1k_ft_in1k86.83498.01672.78
hiera_large_224.mae_in1k_ft_in1k86.04297.648213.74
hiera_base_plus_224.mae_in1k_ft_in1k85.13497.15869.9
hiera_small_abswin_256.sbb2_e200_in12k_ft_in1k84.91297.26035.01
hiera_small_abswin_256.sbb2_pd_e200_in12k_ft_in1k84.56097.10635.01
hiera_base_224.mae_in1k_ft_in1k84.4997.03251.52
hiera_small_224.mae_in1k_ft_in1k83.88496.68435.01
hiera_tiny_224.mae_in1k_ft_in1k82.78696.20427.91

Citation

@article{ryali2023hiera,
  title={Hiera: A Hierarchical Vision Transformer without the Bells-and-Whistles},
  author={Ryali, Chaitanya and Hu, Yuan-Ting and Bolya, Daniel and Wei, Chen and Fan, Haoqi and Huang, Po-Yao and Aggarwal, Vaibhav and Chowdhury, Arkabandhu and Poursaeed, Omid and Hoffman, Judy and Malik, Jitendra and Li, Yanghao and Feichtenhofer, Christoph},
  journal={ICML},
  year={2023}
}
@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}}
}
@article{bolya2023window,
  title={Window Attention is Bugged: How not to Interpolate Position Embeddings},
  author={Bolya, Daniel and Ryali, Chaitanya and Hoffman, Judy and Feichtenhofer, Christoph},
  journal={arXiv preprint arXiv:2311.05613},
  year={2023}
}

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
e5e232f

0 моделей