/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
23 апр 2023

nest_small_jx.goog_in1k

Классификация изображенийИзображение → label3 профессии

NesT Small — визуальный трансформер для классификации изображений ImageNet-1k и извлечения признаков и эмбеддингов.

220скачиваний 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-a-clean

    top1 · выше — лучше

    Результат

    95,97 %

    image-classification 99,04 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top5 · выше — лучше

    Результат

    96,33 %

    image-classification 83,132 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    99,22 %

    image-classification 95,56 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    87,51 %

    image-classification 97,519 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    63,827 %

    image-classification 32,307 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top1 · выше — лучше

    Результат

    72,36 %

    image-classification 90,73 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top5 · выше — лучше

    Результат

    58,993 %

    image-classification 45,303 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top1 · выше — лучше

    Результат

    33,037 %

    image-classification 51,048 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

NesT Small JAX Google ImageNet-1k — модель классификации изображений и визуальный backbone семейства Nested Hierarchical Transformer. Её обучили авторы статьи на ImageNet-1k с использованием JAX, затем Александр Соаре перенёс веса в PyTorch; модель опубликована в библиотеке timm.

Модель принимает изображения размером 224 × 224 и предсказывает классы изображений. Её также можно использовать как backbone для извлечения карт признаков и визуальных эмбеддингов. В модели 38,4 млн параметров; вычислительная сложность составляет 10,4 GMACs.

Модель рассчитана на задачи компьютерного зрения общего назначения, прежде всего классификацию изображений. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает поддержку текстового ввода или других языков: модель работает с изображениями и выдаёт классификационные метки либо визуальные признаки.

Сценарии применения

  • классификация изображений размером 224 × 224
  • извлечение карт визуальных признаков
  • получение эмбеддингов изображений
  • использование в качестве backbone для компьютерного зрения

Ограничения

Модель рассчитана на изображения размером 224 × 224 и обучена на ImageNet-1k; карточка не подтверждает качество на других наборах данных или вне классификации изображений и извлечения визуальных признаков.

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 nest_small_jx.goog_in1k

A NesT image classification model. Trained on ImageNet-1k by paper authors in JAX. Ported to PyTorch by Alexander Soare.

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('nest_small_jx.goog_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(
    'nest_small_jx.goog_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, 56, 56])
    #  torch.Size([1, 192, 28, 28])
    #  torch.Size([1, 384, 14, 14])

    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(
    'nest_small_jx.goog_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, 384, 14, 14) 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{zhang2021aggregating,
  title={Nested Hierarchical Transformer: Towards Accurate, Data-Efficient and Interpretable Visual Understanding},
  author={Zizhao Zhang and Han Zhang and Long Zhao and Ting Chen and and Sercan Ö. Arık and Tomas Pfister},
  booktitle={AAAI Conference on Artificial Intelligence (AAAI)},
  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
db6aa04

0 моделей