/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
25 июл 2024

mobilenetv4_conv_aa_large.e230_r384_in12k_ft_in1k

Классификация изображенийИзображение → label3 профессии

MobileNetV4 Conv AA Large — модель классификации изображений, дообученная на ImageNet-1k и подходящая также для извлечения признаков и эмбеддингов.

201скачиваний 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.

  • imagenet-a-clean

    top1 · выше — лучше

    Результат

    96,87 %

    image-classification 99,56 %image-classification 99,36 %image-classification 97,18 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    77,387 %

    image-classification 72,453 %image-classification 46,72 %image-classification 40,133 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top5 · выше — лучше

    Результат

    98,367 %

    image-classification 98,192 %image-classification 89,346 %image-classification 88,917 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top5 · выше — лучше

    Результат

    97,344 %

    image-classification 97,102 %image-classification 84,772 %image-classification 84,314 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top1 · выше — лучше

    Результат

    39,999 %

    image-classification 61,96 %image-classification 61,723 %image-classification 40,386 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    99,54 %

    image-classification 99,41 %image-classification 96,53 %image-classification 96,31 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    92,09 %

    image-classification 91,21 %image-classification 74,4 %image-classification 74,02 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top5 · выше — лучше

    Результат

    68,587 %

    image-classification 68,25 %image-classification 53,427 %image-classification 52,943 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MobileNetV4 Conv AA Large — сверточная модель классификации изображений из библиотеки timm, опубликованная Россом Уайтманом. Она предварительно обучена на ImageNet-12k и дообучена на ImageNet-1k; в README указано 32,6 млн параметров и применение как классификатора и основы для извлечения признаков и эмбеддингов.

Модель использует усредняющий антиалиасинговый пулинг. Для варианта с суффиксом r384 указаны разрешение обучения 384 × 384 и размер тестового изображения 480 × 480; на ImageNet-1k приведены результаты top-1 84,772% и top-5 97,344%. Модель принимает изображения и выдаёт классы, а при использовании в качестве основы — признаки или эмбеддинги.

Подходит для классификации изображений общего назначения и построения компьютерного зрения в мобильных сценариях. Распространяется по лицензии Apache-2.0. Карточка не описывает специализированные предметные области или известные ограничения качества за пределами указанных условий оценки.

Сценарии применения

  • классификация изображений по категориям ImageNet
  • извлечение признаков изображений для компьютерного зрения
  • получение эмбеддингов изображений
  • использование как основы для мобильных приложений компьютерного зрения

Ограничения

Показатели качества приведены для ImageNet-1k и тестового размера изображения 480 × 480; они не гарантируют такое же качество на других наборах данных и в прикладных областях. Модель предназначена для визуальных входов и сама по себе не выполняет генерацию текстовых описаний.

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 mobilenetv4_conv_aa_large.e230_r384_in12k_ft_in1k

A MobileNet-V4 (w/ AvgPool Anti-Aliasing) image classification model. Pretrained on ImageNet-12k and fine-tuned on ImageNet-1k by Ross Wightman.

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('mobilenetv4_conv_aa_large.e230_r384_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(
    'mobilenetv4_conv_aa_large.e230_r384_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, 24, 192, 192])
    #  torch.Size([1, 48, 96, 96])
    #  torch.Size([1, 96, 48, 48])
    #  torch.Size([1, 192, 24, 24])
    #  torch.Size([1, 960, 12, 12])

    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(
    'mobilenetv4_conv_aa_large.e230_r384_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, 960, 12, 12) shaped tensor

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

Model Comparison

By Top-1

modeltop1top5param_countimg_size
mobilenetv4_conv_aa_large.e230_r448_in12k_ft_in1k84.9997.29432.59544
mobilenetv4_conv_aa_large.e230_r384_in12k_ft_in1k84.77297.34432.59480
mobilenetv4_conv_aa_large.e230_r448_in12k_ft_in1k84.6497.11432.59448
mobilenetv4_hybrid_large.ix_e600_r384_in1k84.35696.89237.76448
mobilenetv4_conv_aa_large.e230_r384_in12k_ft_in1k84.31497.10232.59384
mobilenetv4_hybrid_large.e600_r384_in1k84.26696.93637.76448
mobilenetv4_hybrid_large.ix_e600_r384_in1k83.99096.70237.76384
mobilenetv4_conv_aa_large.e600_r384_in1k83.82496.73432.59480
mobilenetv4_hybrid_large.e600_r384_in1k83.80096.77037.76384
mobilenetv4_hybrid_medium.ix_e550_r384_in1k83.39496.76011.07448
mobilenetv4_conv_large.e600_r384_in1k83.39296.62232.59448
mobilenetv4_conv_aa_large.e600_r384_in1k83.24496.39232.59384
mobilenetv4_hybrid_medium.e200_r256_in12k_ft_in1k82.9996.6711.07320
mobilenetv4_hybrid_medium.ix_e550_r384_in1k82.96896.47411.07384
mobilenetv4_conv_large.e600_r384_in1k82.95296.26632.59384
mobilenetv4_conv_large.e500_r256_in1k82.67496.3132.59320
mobilenetv4_hybrid_medium.ix_e550_r256_in1k82.49296.27811.07320
mobilenetv4_hybrid_medium.e200_r256_in12k_ft_in1k82.36496.25611.07256
mobilenetv4_conv_large.e500_r256_in1k81.86295.6932.59256
resnet50d.ra4_e3600_r224_in1k81.83895.92225.58288
mobilenetv3_large_150d.ra4_e3600_r256_in1k81.80695.914.62320
mobilenetv4_hybrid_medium.ix_e550_r256_in1k81.44695.70411.07256
efficientnet_b1.ra4_e3600_r240_in1k81.44095.7007.79288
mobilenetv4_hybrid_medium.e500_r224_in1k81.27695.74211.07256
resnet50d.ra4_e3600_r224_in1k80.95295.38425.58224
mobilenetv3_large_150d.ra4_e3600_r256_in1k80.94495.44814.62256
mobilenetv4_conv_medium.e500_r256_in1k80.85895.7689.72320
mobilenet_edgetpu_v2_m.ra4_e3600_r224_in1k80.68095.4428.46256
mobilenetv4_hybrid_medium.e500_r224_in1k80.44295.3811.07224
efficientnet_b1.ra4_e3600_r240_in1k80.40695.1527.79240
mobilenetv4_conv_blur_medium.e500_r224_in1k80.14295.2989.72256
mobilenet_edgetpu_v2_m.ra4_e3600_r224_in1k80.13095.0028.46224
mobilenetv4_conv_medium.e500_r256_in1k79.92895.1849.72256
mobilenetv4_conv_medium.e500_r224_in1k79.80895.1869.72256
mobilenetv4_conv_blur_medium.e500_r224_in1k79.43894.9329.72224
efficientnet_b0.ra4_e3600_r224_in1k79.36494.7545.29256
mobilenetv4_conv_medium.e500_r224_in1k79.09494.779.72224
efficientnet_b0.ra4_e3600_r224_in1k78.58494.3385.29224
mobilenetv1_125.ra4_e3600_r224_in1k77.60093.8046.27256
mobilenetv3_large_100.ra4_e3600_r224_in1k77.16493.3365.48256
mobilenetv1_125.ra4_e3600_r224_in1k76.92493.2346.27224
mobilenetv1_100h.ra4_e3600_r224_in1k76.59693.2725.28256
mobilenetv3_large_100.ra4_e3600_r224_in1k76.31092.8465.48224
mobilenetv1_100.ra4_e3600_r224_in1k76.09493.0044.23256
mobilenetv1_100h.ra4_e3600_r224_in1k75.66292.5045.28224
mobilenetv1_100.ra4_e3600_r224_in1k75.38292.3124.23224
mobilenetv4_conv_small.e2400_r224_in1k74.61692.0723.77256
mobilenetv4_conv_small.e1200_r224_in1k74.29292.1163.77256
mobilenetv4_conv_small.e2400_r224_in1k73.75691.4223.77224
mobilenetv4_conv_small.e1200_r224_in1k73.45491.343.77224

Citation

@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{qin2024mobilenetv4,
  title={MobileNetV4-Universal Models for the Mobile Ecosystem},
  author={Qin, Danfeng and Leichner, Chas and Delakis, Manolis and Fornoni, Marco and Luo, Shixin and Yang, Fan and Wang, Weijun and Banbury, Colby and Ye, Chengxi and Akin, Berkin and others},
  journal={arXiv preprint arXiv:2404.10518},
  year={2024}
}

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
df8c3b7

0 моделей