/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
22 мар 2023

resnetv2_152x4_bit.goog_in21k_ft_in1k

Классификация изображенийИзображение → label3 профессии

Крупная модель ResNetV2 BiT для классификации изображений ImageNet и извлечения визуальных признаков.

286скачиваний за 30 дней2лайкавеса 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

    top5 · выше — лучше

    Результат

    97,456 %

    image-classification 84,936 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    54,217 %

    image-classification 70,273 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top5 · выше — лучше

    Результат

    64,36 %

    image-classification 41,304 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    83,16 %

    image-classification 59,56 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top5 · выше — лучше

    Результат

    99,62 %

    image-classification 97,49 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    99,68 %

    image-classification 96,89 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top5 · выше — лучше

    Результат

    98,192 %

    image-classification 88,567 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    91,78 %

    image-classification 73,14 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ResNetV2-152x4 BiT — модель классификации изображений и визуальная основа для извлечения признаков, опубликованная авторами статьи Big Transfer и доступная в библиотеке timm. Она предварительно обучена на ImageNet-21k и дообучена на ImageNet-1k. Архитектура — pre-activation ResNet-V2 с Group Normalization и Weight Standardization вместо Batch Normalization; размер модели составляет 936,5 млн параметров, а рекомендуемый размер входного изображения — 480 × 480 пикселей.

Модель предназначена для классификации изображений по классам ImageNet, извлечения карт признаков и получения векторных представлений изображений. Она принимает изображения и выдаёт метки классов, а при использовании как backbone — визуальные признаки или эмбеддинги. Репозиторий содержит веса PyTorch и safetensors; лицензия — Apache-2.0.

Сценарии применения

  • классификация изображений по классам ImageNet
  • извлечение карт признаков из изображений
  • получение эмбеддингов изображений
  • использование визуального backbone в компьютерном зрении

Ограничения

Модель крупная: 936,5 млн параметров, требует значительных вычислительных ресурсов; входной размер изображения — 480 × 480 пикселей. Обучение и настройка описаны для ImageNet, поэтому качество на иных типах изображений может отличаться.

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_152x4_bit.goog_in21k_ft_in1k

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_152x4_bit.goog_in21k_ft_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(
    'resnetv2_152x4_bit.goog_in21k_ft_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, 256, 240, 240])
    #  torch.Size([1, 1024, 120, 120])
    #  torch.Size([1, 2048, 60, 60])
    #  torch.Size([1, 4096, 30, 30])
    #  torch.Size([1, 8192, 15, 15])

    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_152x4_bit.goog_in21k_ft_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, 8192, 15, 15) 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{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
decae57

0 моделей