/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
18 мар 2023

swinv2_cr_tiny_ns_224.sw_in1k

Классификация изображенийИзображение → label4 профессии

Модель Swin Transformer V2 Tiny для классификации изображений, извлечения признаков и получения визуальных эмбеддингов.

7 244скачиваний 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

    top1 · выше — лучше

    Результат

    41,413 %

    image-classification 57,133 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top1 · выше — лучше

    Результат

    95,33 %

    image-classification 98,94 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top1 · выше — лучше

    Результат

    94,78 %

    image-classification 99,13 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    58,347 %

    image-classification 24,28 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top1 · выше — лучше

    Результат

    81,796 %

    image-classification 95,824 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top5 · выше — лучше

    Результат

    45,947 %

    image-classification 28,348 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top5 · выше — лучше

    Результат

    97,286 %

    image-classification 87,036 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    89,38 %

    image-classification 70,72 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

swinv2_cr_tiny_ns_224.sw_in1k — модель классификации изображений и извлечения признаков на основе Swin Transformer V2. Это независимая реализация, выпущенная до публикации официального кода; её разработали Christoph Reich и Ross Wightman, а предобучение на ImageNet-1k выполнил Ross Wightman.

Модель содержит 28,3 млн параметров, рассчитана на изображения размером 224 × 224 и реализована с использованием библиотеки timm. Её можно применять для классификации изображений, извлечения карт признаков и получения визуальных эмбеддингов. По сравнению с официальной реализацией Swin Transformer V2 в ней иначе рассчитывается относительное смещение позиций, предусмотрена нормализация в конце каждого этапа для вариантов «ns», а выходные признаки представлены в формате NCHW.

Модель принимает изображения и выдаёт метки классов при классификации; промежуточные признаки и эмбеддинги доступны при использовании как визуального backbone. В карточке указана лицензия Apache-2.0. Она предобучена на ImageNet-1k, поэтому её назначение — задачи общего распознавания изображений, а качество на других наборах данных может потребовать дополнительной настройки.

Сценарии применения

  • классификация изображений по категориям ImageNet
  • извлечение карт признаков из изображений
  • получение визуальных эмбеддингов для поиска похожих изображений

Ограничения

Модель предобучена на ImageNet-1k и рассчитана на изображения 224 × 224; для других наборов данных или задач может потребоваться дополнительная настройка.

Для каких профессий подходит4

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 swinv2_cr_tiny_ns_224.sw_in1k

An independent implementation of Swin Transformer V2 released prior to the official code release. A collaboration between Christoph Reich and Ross Wightman, the model differs from official impl in a few ways:

  • MLP log relative position bias uses unnormalized natural log w/o scaling vs normalized, sigmoid clamped and scaled log2.
  • option to apply LayerNorm at end of every stage ("ns" variants).
  • defaults to NCHW tensor layout at output of each stage and final features. Pretrained on ImageNet-1k by Ross Wightman.

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('swinv2_cr_tiny_ns_224.sw_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(
    'swinv2_cr_tiny_ns_224.sw_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. for swin_base_patch4_window7_224 (NHWC output)
    #  torch.Size([1, 56, 56, 128])
    #  torch.Size([1, 28, 28, 256])
    #  torch.Size([1, 14, 14, 512])
    #  torch.Size([1, 7, 7, 1024])
    # e.g. for swinv2_cr_small_ns_224 (NCHW output)
    #  torch.Size([1, 96, 56, 56]) 
    #  torch.Size([1, 192, 28, 28])
    #  torch.Size([1, 384, 14, 14])
    #  torch.Size([1, 768, 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(
    'swinv2_cr_tiny_ns_224.sw_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 (ie.e a (batch_size, H, W,  num_features) tensor for swin / swinv2
# or (batch_size, num_features, H, W) for swinv2_cr

output = model.forward_head(output, pre_logits=True)
# output is (batch_size, num_features) tensor

Model Comparison

Explore the dataset and runtime metrics of this model in timm model results.

Citation

@inproceedings{liu2021swinv2,
  title={Swin Transformer V2: Scaling Up Capacity and Resolution}, 
  author={Ze Liu and Han Hu and Yutong Lin and Zhuliang Yao and Zhenda Xie and Yixuan Wei and Jia Ning and Yue Cao and Zheng Zhang and Li Dong and Furu Wei and Baining Guo},
  booktitle={International Conference on Computer Vision and Pattern Recognition (CVPR)},
  year={2022}
}
@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
3f36190

0 моделей