/ Модель

Характеристики

Лицензия
MIT
Библиотека
timm
Опубликована
23 авг 2023

repvgg_d2se.rvgg_in1k

Классификация изображенийИзображение → label3 профессии

Свёрточная модель RepVGG для классификации изображений ImageNet-1k и извлечения визуальных признаков.

163скачиваний 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

    top5 · выше — лучше

    Результат

    99,37 %

    image-classification 96,67 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    88,607 %

    image-classification 98,01 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top1 · выше — лучше

    Результат

    35,72 %

    image-classification 66,68 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    47,74 %

    image-classification 62,797 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    99,49 %

    image-classification 95,92 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top5 · выше — лучше

    Результат

    96,666 %

    image-classification 83,55 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top1 · выше — лучше

    Результат

    34,925 %

    image-classification 53,524 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top1 · выше — лучше

    Результат

    73,85 %

    image-classification 91,39 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

repvgg_d2se — свёрточная модель классификации изображений, обученная авторами статьи на ImageNet-1k и опубликованная в коллекции timm. Она реализована на базе гибкой архитектуры BYOBNet и может использоваться как классификатор или визуальный backbone для извлечения карт признаков и эмбеддингов. Модель содержит 133,3 млн параметров, рассчитана на изображения размером 320 × 320 и имеет вычислительную стоимость 74,6 GMACs.

Модель подходит для распознавания объектов и категорий на изображениях, а также для получения визуальных признаков в последующих задачах компьютерного зрения. Репозиторий предоставляет веса в форматах PyTorch и safetensors; лицензия — MIT. Данных о специальных ограничениях применения в карточке нет.

Сценарии применения

  • классификация объектов на изображениях
  • распознавание категорий ImageNet-1k
  • извлечение карт признаков для компьютерного зрения
  • получение эмбеддингов изображений
  • использование визуального backbone в прикладных системах

Ограничения

Модель предназначена для визуальных задач и принимает изображения; сведения о качестве на данных вне ImageNet-1k и о поддерживаемых размерах входа в карточке не приведены.

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 repvgg_d2se

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

This model architecture is implemented using timm's flexible BYOBNet (Bring-Your-Own-Blocks Network).

BYOBNet allows configuration of:

  • block / stage layout
  • stem layout
  • output stride (dilation)
  • activation and norm layers
  • channel and spatial / self-attention layers

...and also includes timm features common to many other architectures, including:

  • stochastic depth
  • gradient checkpointing
  • layer-wise LR decay
  • per-stage feature extraction

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('repvgg_d2se', 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(
    'repvgg_d2se',
    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, 64, 160, 160])
    #  torch.Size([1, 160, 80, 80])
    #  torch.Size([1, 320, 40, 40])
    #  torch.Size([1, 640, 20, 20])
    #  torch.Size([1, 2560, 10, 10])

    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(
    'repvgg_d2se',
    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, 2560, 10, 10) 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

@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}}
}
@inproceedings{ding2021repvgg,
  title={Repvgg: Making vgg-style convnets great again},
  author={Ding, Xiaohan and Zhang, Xiangyu and Ma, Ningning and Han, Jungong and Ding, Guiguang and Sun, Jian},
  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
  pages={13733--13742},
  year={2021}
}

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
fd6dae0

0 моделей