/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
22 мар 2023

resnetv2_152x2_bit.goog_teacher_in21k_ft_in1k_384

Классификация изображенийИзображение → label3 профессии

Крупная модель ResNetV2-BiT для классификации изображений и извлечения визуальных признаков, предварительно обученная на ImageNet-21k и дообученная на ImageNet-1k.

109скачиваний 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-r-clean

    top5 · выше — лучше

    Результат

    99,5 %

    image-classification 96,17 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top5 · выше — лучше

    Результат

    99,45 %

    image-classification 96,83 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    90,94 %

    image-classification 72,72 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    77,707 %

    image-classification 50,08 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top1 · выше — лучше

    Результат

    83,858 %

    image-classification 97,13 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top5 · выше — лучше

    Результат

    62,487 %

    image-classification 38,989 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    52,07 %

    image-classification 68,833 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top5 · выше — лучше

    Результат

    98,046 %

    image-classification 88,144 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ResNetV2-152x2 BiT — сверточная модель классификации изображений из библиотеки timm, основанная на архитектуре ResNet с предварительной активацией и подходе Big Transfer. Авторы научной работы предварительно обучили её на ImageNet-21k и дообучили на ImageNet-1k. Модель содержит 236,3 млн параметров и рассчитана на изображения размером 384 × 384 пикселя.

Модель предназначена для классификации изображений, а также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов изображений. В ней применяются Group Normalization и Weight Standardization вместо Batch Normalization. Это англоязычный набор классов ImageNet; лицензия репозитория — Apache-2.0.

Высокая ёмкость модели подходит для задач, где важны сильные визуальные представления, но требует значительных вычислительных ресурсов. Классификатор настроен на классы ImageNet-1k, поэтому применение к другим наборам классов потребует адаптации.

Сценарии применения

  • классификация изображений по классам ImageNet-1k
  • извлечение карт признаков для компьютерного зрения
  • получение эмбеддингов изображений для поиска по визуальному сходству

Ограничения

Модель рассчитана на входные изображения размером 384 × 384 пикселя и классификацию по классам ImageNet-1k; для других наборов классов потребуется адаптация. При 236,3 млн параметров она требовательна к памяти и вычислительным ресурсам.

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 resnetv2_152x2_bit.goog_teacher_in21k_ft_in1k_384

A ResNet-V2-BiT (Big Transfer w/ pre-activation ResNet) image classification model. Pretrained on ImageNet-21k and fine-tuned on ImageNet-1k by paper authors.

This model uses:

  • Group Normalization (GN) in combination with Weight Standardization (WS) instead of Batch Normalization (BN)..

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('resnetv2_152x2_bit.goog_teacher_in21k_ft_in1k_384', 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(
    'resnetv2_152x2_bit.goog_teacher_in21k_ft_in1k_384',
    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, 128, 192, 192])
    #  torch.Size([1, 512, 96, 96])
    #  torch.Size([1, 1024, 48, 48])
    #  torch.Size([1, 2048, 24, 24])
    #  torch.Size([1, 4096, 12, 12])

    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(
    'resnetv2_152x2_bit.goog_teacher_in21k_ft_in1k_384',
    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, 4096, 12, 12) 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{beyer2022knowledge,
  title={Knowledge distillation: A good teacher is patient and consistent},
  author={Beyer, Lucas and Zhai, Xiaohua and Royer, Am{'e}lie and Markeeva, Larisa and Anil, Rohan and Kolesnikov, Alexander},
  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
  pages={10925--10934},
  year={2022}
}
@inproceedings{Kolesnikov2019BigT,
  title={Big Transfer (BiT): General Visual Representation Learning},
  author={Alexander Kolesnikov and Lucas Beyer and Xiaohua Zhai and Joan Puigcerver and Jessica Yung and Sylvain Gelly and Neil Houlsby},
  booktitle={European Conference on Computer Vision},
  year={2019}
}
@article{He2016,
  author = {Kaiming He and Xiangyu Zhang and Shaoqing Ren and Jian Sun},
  title = {Identity Mappings in Deep Residual Networks},
  journal = {arXiv preprint arXiv:1603.05027},
  year = {2016}
}
@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}}
}

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
96c8577

0 моделей