/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
20 окт 2023

repvit_m1_5.dist_300e_in1k

Классификация изображенийИзображение → label3 профессии

RepViT M1.5 — обученная с дистилляцией модель для классификации изображений ImageNet-1k, извлечения признаков и эмбеддингов.

2 718скачиваний 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

    top1 · выше — лучше

    Результат

    82,382 %

    image-classification 96,026 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    47,783 %

    image-classification 63,713 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top5 · выше — лучше

    Результат

    98,98 %

    image-classification 95,7 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top5 · выше — лучше

    Результат

    97,645 %

    image-classification 87,785 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top1 · выше — лучше

    Результат

    71,63 %

    image-classification 90,21 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top5 · выше — лучше

    Результат

    54,385 %

    image-classification 34,872 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    54,307 %

    image-classification 21,107 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    99,24 %

    image-classification 95,14 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

RepViT M1.5 — модель классификации изображений и извлечения признаков, опубликованная авторами статьи RepViT. Она обучена на ImageNet-1k с дистилляцией и рассчитана на обработку изображений размером 224 × 224 пикселя. Модель содержит около 14,6 млн параметров и требует примерно 2,3 GMAC на изображение.

Модель подходит для классификации изображений по классам ImageNet-1k, извлечения карт признаков и получения эмбеддингов изображений. Архитектура RepViT разработана как мобильная свёрточная сеть с учётом подходов из Vision Transformer; репозиторий содержит веса PyTorch и SafeTensors для библиотеки timm.

Лицензия Apache-2.0 допускает использование модели на её условиях. Обучение описано для ImageNet-1k, поэтому качество на других наборах данных и предметных областях может отличаться; модель принимает изображения фиксированного размера, указанного в карточке.

Сценарии применения

  • классификация изображений на классы ImageNet-1k
  • извлечение карт признаков из изображений
  • получение эмбеддингов изображений для поиска и сравнения

Ограничения

Обучение ориентировано на ImageNet-1k, поэтому качество для других предметных областей отдельно не подтверждено. В карточке указан размер входного изображения 224 × 224 пикселя.

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 repvit_m1_5.dist_300e_in1k

A RepViT image classification model. Trained on ImageNet-1k with distillation by paper authors.

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('repvit_m1_5.dist_300e_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(
    'repvit_m1_5.dist_300e_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, 64, 56, 56])
    #  torch.Size([1, 128, 28, 28])
    #  torch.Size([1, 256, 14, 14])
    #  torch.Size([1, 512, 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(
    'repvit_m1_5.dist_300e_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, 512, 7, 7) shaped tensor

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

Citation

@misc{wang2023repvit,
  title={RepViT: Revisiting Mobile CNN From ViT Perspective}, 
  author={Ao Wang and Hui Chen and Zijia Lin and Hengjun Pu and Guiguang Ding},
  year={2023},
  eprint={2307.09283},
  archivePrefix={arXiv},
  primaryClass={cs.CV}
}

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
2b353c1

0 моделей