/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
1 сен 2023

tiny_vit_5m_224.dist_in22k_ft_in1k

Классификация изображенийИзображение → label3 профессии

Компактная модель TinyViT на 5,4 млн параметров для классификации изображений и извлечения визуальных признаков.

4 933скачиваний 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.

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    89,38 %

    image-classification 69,66 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top1 · выше — лучше

    Результат

    33,343 %

    image-classification 55,057 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top5 · выше — лучше

    Результат

    60,903 %

    image-classification 44,47 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top1 · выше — лучше

    Результат

    95,04 %

    image-classification 98,99 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top1 · выше — лучше

    Результат

    22,76 %

    image-classification 55,907 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top5 · выше — лучше

    Результат

    97,318 %

    image-classification 86,743 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top1 · выше — лучше

    Результат

    94,63 %

    image-classification 99,14 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top5 · выше — лучше

    Результат

    95,668 %

    image-classification 80,874 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

tinyvit_5m_224.dist_in22k_ft_in1k — компактная модель TinyViT для классификации изображений и извлечения визуальных признаков, распространяемая в экосистеме timm. Она содержит около 5,4 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель предварительно обучена на ImageNet-22k с дистилляцией, затем дообучена авторами статьи на ImageNet-1k.

Модель подходит для классификации изображений, получения карт признаков и визуальных эмбеддингов, в том числе как лёгкая основа для компьютерного зрения. В README приведены примеры работы с классификацией и признаками; метаданные указывают pipeline image-classification и библиотеку timm. Модель принимает изображения и выдаёт метки классов либо визуальные признаки в зависимости от сценария использования.

Веса доступны в форматах PyTorch и safetensors. Лицензия — Apache-2.0. Это компактный вариант Vision Transformer, однако документация не приводит оценки качества или сведения о других разрешениях, поэтому применимость вне указанного размера изображения стоит проверять отдельно.

Сценарии применения

  • классификация изображений по категориям ImageNet
  • извлечение карт признаков из изображений
  • получение визуальных эмбеддингов для поиска изображений
  • использование компактного backbone в компьютерном зрении

Ограничения

Модель рассчитана на входные изображения 224 × 224 пикселя; качество и переносимость на другие разрешения или вне классов ImageNet в карточке не охарактеризованы.

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 tiny_vit_5m_224.dist_in22k_ft_in1k

A TinyViT image classification model. Pretrained on ImageNet-22k with distillation and fine-tuned on ImageNet-1k 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('tiny_vit_5m_224.dist_in22k_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(
    'tiny_vit_5m_224.dist_in22k_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, 64, 56, 56])
    #  torch.Size([1, 128, 28, 28])
    #  torch.Size([1, 160, 14, 14])
    #  torch.Size([1, 320, 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(
    'tiny_vit_5m_224.dist_in22k_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, 320, 7, 7) shaped tensor

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

Citation

@InProceedings{tiny_vit,
  title={TinyViT: Fast Pretraining Distillation for Small Vision Transformers},
  author={Wu, Kan and Zhang, Jinnian and Peng, Houwen and Liu, Mengchen and Xiao, Bin and Fu, Jianlong and Yuan, Lu},
  booktitle={European conference on computer vision (ECCV)},
  year={2022}
}

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
b46989c

0 моделей