/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
21 апр 2023

tresnet_l.miil_in1k

Классификация изображенийИзображение → label3 профессии

TResNet-L — модель классификации изображений, обученная на ImageNet-1k и пригодная также для извлечения визуальных признаков и эмбеддингов.

877скачиваний 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

    top1 · выше — лучше

    Результат

    94,86 %

    image-classification 99,03 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top1 · выше — лучше

    Результат

    95,27 %

    image-classification 99,01 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top5 · выше — лучше

    Результат

    51,127 %

    image-classification 32,547 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top5 · выше — лучше

    Результат

    95,652 %

    image-classification 81,498 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    86,773 %

    image-classification 97,273 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    89,63 %

    image-classification 70,67 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    49,573 %

    image-classification 16,44 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    44,353 %

    image-classification 59,95 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

TResNet-L модели timm — сверточная модель для классификации изображений и извлечения визуальных признаков. Её разработали авторы статьи TResNet и обучили на ImageNet-1k. Веса адаптированы для стандартного BatchNorm вместо InplaceABN, чтобы упростить совместимость с актуальными инструментами PyTorch.

Модель принимает изображения размером 224 × 224 и предсказывает классы из ImageNet-1k. Её также можно использовать как backbone для извлечения карт признаков и визуальных эмбеддингов. Размер модели — 56 млн параметров, вычислительная сложность — 10,9 GMACs.

Репозиторий содержит веса в форматах PyTorch и safetensors. Лицензия — Apache-2.0. Модель предназначена для задач классификации общего назначения; её классы и качество ориентированы на ImageNet-1k.

Сценарии применения

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

Ограничения

Модель обучена на ImageNet-1k, поэтому её классификатор ориентирован на классы этого набора данных. Для входных изображений указано разрешение 224 × 224.

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 tresnet_l.miil_in1k

A TResNet image classification model. Trained on ImageNet-1k by paper authors.

The weights for this model have been remapped and modified from the originals to work with standard BatchNorm instead of InplaceABN. inplace_abn can be problematic to build recently and ends up slower with memory_format=channels_last, torch.compile(), etc.

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('tresnet_l.miil_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(
    'tresnet_l.miil_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, 76, 56, 56])
    #  torch.Size([1, 152, 28, 28])
    #  torch.Size([1, 1216, 14, 14])
    #  torch.Size([1, 2432, 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(
    'tresnet_l.miil_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, 2432, 7, 7) shaped tensor

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

Citation

@misc{ridnik2020tresnet,
    title={TResNet: High Performance GPU-Dedicated Architecture},
    author={Tal Ridnik and Hussam Lawen and Asaf Noy and Itamar Friedman},
    year={2020},
    eprint={2003.13630},
    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
026168c

0 моделей