/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
27 авг 2026

lowformer_b0.in1k

Классификация изображенийИзображение → label3 профессии

LowFormer B0 — компактный визуальный энкодер для классификации изображений ImageNet-1k и извлечения признаков.

166скачиваний за 30 дней0лайковвеса обновлены27 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

LowFormer B0 — модель классификации изображений, разработанная авторами LowFormer и обученная на ImageNet-1k. Чекпойнт преобразован в формат state dict библиотеки timm и распространяется в формате safetensors по лицензии Apache 2.0.

Архитектура сочетает свёрточные блоки MBConv и блок эффективного внимания, который уменьшает пространственное разрешение перед вычислением внимания и затем восстанавливает его. Модель содержит 14,1 млн параметров, рассчитана на изображения 224 × 224 и может также извлекать эмбеддинги изображений и многомасштабные карты признаков. Для ImageNet-1k указана точность Top-1 78,388% при разрешении 224 × 224 с предусмотренной предобработкой.

Модель подходит для классификации изображений общего назначения и как компактный визуальный энкодер. Фактическая задержка зависит от оборудования, среды выполнения, способа экспорта и размера пакета; при bfloat16 модель B0 может заметно терять точность, тогда как FP16 соответствует результатам FP32 согласно карточке.

Сценарии применения

  • классификация объектов на изображениях
  • получение эмбеддингов изображений для поиска по визуальному сходству
  • извлечение многомасштабных карт признаков для компьютерного зрения

Ограничения

Заявленная точность относится к ImageNet-1k и зависит от предобработки; реальная задержка зависит от оборудования и среды выполнения. При использовании bfloat16 LowFormer B0 теряет около 3 процентных пунктов Top-1 относительно FP32.

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 lowformer_b0.in1k

A LowFormer image classification model. LowFormer targets real measured latency rather than MAC count, combining fused and grouped MBConv stages with an efficient attention block that projects to a lower spatial resolution with a strided depthwise convolution and upsamples the result with a transposed convolution. The B variants are the original models from the WACV paper. This checkpoint was trained on ImageNet-1k by the paper authors and converted to the timm state-dict layout.

Model Notes

  • The default preprocessing is encoded in the pretrained configuration: bicubic resize, ImageNet mean and standard deviation, and a center crop with crop_pct=0.95.
  • The model can be used for ImageNet-1k classification, image embeddings, or multi-scale feature-map extraction with features_only=True.
  • The accuracies above are measured in FP32. lowformer_b0 and lowformer_b1 are the variants most affected by bfloat16 autocast, losing roughly 3.0 and 1.5 Top-1 respectively; the other variants stay within 0.25 of their FP32 result. FP16 autocast matches FP32 for all variants.
  • Latency depends on the target hardware, inference runtime, export path, and batch size. See the papers for device-specific measurements and methodology.

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('lowformer_b0.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(
    'lowformer_b0.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, 32, 56, 56])
    #  torch.Size([1, 64, 28, 28])
    #  torch.Size([1, 128, 14, 14])
    #  torch.Size([1, 256, 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(
    'lowformer_b0.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, 256, 7, 7) shaped tensor

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

Model Comparison

ImageNet-1k validation accuracy in FP32 with bicubic interpolation and a centered crop (crop_pct=0.95). Values are Top-1 / Top-5 percentages; only input resolution changes between columns.

ModelParams (M)224 Top-1 / Top-5256 Top-1 / Top-5288 Top-1 / Top-5
lowformer_b0.in1k14.1078.388 / 94.02679.194 / 94.46279.306 / 94.444
lowformer_b1.in1k17.9479.806 / 94.59280.260 / 94.91480.406 / 95.072
lowformer_b15.in1k33.9881.102 / 95.25881.558 / 95.47081.708 / 95.588
lowformer_b3.in1k57.0983.656 / 96.65683.988 / 96.73884.066 / 96.834
lowformer_e1.in1k18.9078.772 / 94.12079.366 / 94.45079.624 / 94.562
lowformer_e2.in1k22.7581.612 / 95.71481.982 / 95.94882.156 / 96.098
lowformer_e3.in1k41.3283.044 / 96.34483.166 / 96.53683.402 / 96.552

Citation

@inproceedings{nottebaum2025lowformer,
  title={LowFormer: Hardware Efficient Design for Convolutional Transformer Backbones},
  author={Nottebaum, Moritz and Dunnhofer, Matteo and Micheloni, Christian},
  booktitle={Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)},
  pages={7008--7018},
  year={2025}
}
@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}}
}

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
e2ba1c5

0 моделей