/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
timm
Опубликована
24 апр 2023

mobilevit_s.cvnets_in1k

Классификация изображенийИзображение → label3 профессии

Компактная модель MobileViT-S для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

38 724скачиваний за 30 дней7лайковвеса 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.

  • imagenetv2-matched-frequency

    top1 · выше — лучше

    Результат

    66,79 %

    image-classification 86,92 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top5 · выше — лучше

    Результат

    98,47 %

    image-classification 93,21 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top1 · выше — лучше

    Результат

    78,298 %

    image-classification 94,168 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    40,827 %

    image-classification 13,013 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top1 · выше — лучше

    Результат

    93,18 %

    image-classification 98,8 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top1 · выше — лучше

    Результат

    22,606 %

    image-classification 38,863 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    84,265 %

    image-classification 96,283 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    33,79 %

    image-classification 49,48 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MobileViT-S — компактная модель классификации изображений и извлечения визуальных признаков из семейства MobileViT. Она разработана авторами работы MobileViT и обучена на ImageNet-1k; в репозитории timm опубликованы веса для PyTorch в форматах PyTorch и safetensors. Модель содержит около 5,6 млн параметров, требует изображение размером 256 × 256 пикселей и имеет вычислительную сложность около 2,0 GMACs.

Модель подходит для классификации объектов на изображениях, извлечения карт признаков и получения векторных представлений изображений. Компактная архитектура рассчитана на мобильные и другие ресурсоограниченные сценарии. Языковые входы не используются. Лицензия указана как other; подробности условий использования в карточке не приведены.

Сценарии применения

  • классификация объектов на изображениях
  • извлечение карт признаков из изображений
  • получение эмбеддингов изображений
  • визуальное распознавание на мобильных устройствах

Ограничения

Обучение проводилось на ImageNet-1k, поэтому качество на других наборах данных и предметных областях может отличаться. Для использования лицензионных условий следует свериться с первоисточником: в метаданных указано «other», а подробности в карточке отсутствуют.

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 mobilevit_s.cvnets_in1k

A MobileViT image classification model. Trained on ImageNet-1k by paper authors.

See license details at https://github.com/apple/ml-cvnets/blob/main/LICENSE

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('mobilevit_s.cvnets_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(
    'mobilevit_s.cvnets_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, 128, 128])
    #  torch.Size([1, 64, 64, 64])
    #  torch.Size([1, 96, 32, 32])
    #  torch.Size([1, 128, 16, 16])
    #  torch.Size([1, 640, 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(
    'mobilevit_s.cvnets_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, 640, 8, 8) 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{mehta2022mobilevit,
  title={MobileViT: Light-weight, General-purpose, and Mobile-friendly Vision Transformer},
  author={Sachin Mehta and Mohammad Rastegari},
  booktitle={International Conference on Learning Representations},
  year={2022}
}

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
b531fe5

0 моделей