/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
20 окт 2023

repvit_m2_3.dist_300e_in1k

Классификация изображенийИзображение → label3 профессии

RepViT-M2.3 — компактная модель компьютерного зрения для классификации изображений ImageNet-1k и извлечения визуальных признаков.

2 637скачиваний 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

    top5 · выше — лучше

    Результат

    99,34 %

    image-classification 96,18 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top1 · выше — лучше

    Результат

    73,01 %

    image-classification 90,86 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top1 · выше — лучше

    Результат

    83,524 %

    image-classification 96,532 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top5 · выше — лучше

    Результат

    66,677 %

    image-classification 50,657 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top5 · выше — лучше

    Результат

    97,927 %

    image-classification 88,507 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top1 · выше — лучше

    Результат

    37,203 %

    image-classification 57,203 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top1 · выше — лучше

    Результат

    95,67 %

    image-classification 99,4 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top1 · выше — лучше

    Результат

    28,2 %

    image-classification 61,387 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

RepViT-M2.3 с дистилляцией — модель компьютерного зрения для классификации изображений и извлечения признаков, обученная авторами статьи RepViT на ImageNet-1k. Она также может служить визуальным backbone для получения карт признаков и эмбеддингов изображений. Модель содержит 23,7 млн параметров, выполняет около 4,6 GMACs и рассчитана на изображения размером 224 × 224 пикселя.

Модель распространяется в форматах PyTorch и Safetensors и предназначена для использования через библиотеку timm. Лицензия Apache-2.0 разрешает её коммерческое использование и модификацию с соблюдением условий лицензии. Карточка не сообщает об ограничениях качества или безопасности; классификация ограничена областью меток ImageNet-1k.

Сценарии применения

  • классификация изображений по категориям ImageNet-1k
  • извлечение карт признаков из изображений
  • получение эмбеддингов изображений для визуального поиска
  • использование в качестве backbone для задач компьютерного зрения

Ограничения

Модель рассчитана на изображения размером 224 × 224 пикселя и классификацию в рамках ImageNet-1k; качество для других наборов меток или предметных областей не описано.

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_m2_3.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_m2_3.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_m2_3.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, 80, 56, 56])
    #  torch.Size([1, 160, 28, 28])
    #  torch.Size([1, 320, 14, 14])
    #  torch.Size([1, 640, 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_m2_3.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, 640, 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
e240f61

0 моделей