/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
23 апр 2023

twins_pcpvt_large.in1k

Классификация изображенийИзображение → label3 профессии

Классификатор изображений Twins-PCPVT Large, обученный на ImageNet-1k и пригодный также как визуальный backbone для извлечения признаков.

643скачиваний 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.

  • sketch

    top5 · выше — лучше

    Результат

    54,118 %

    image-classification 34,08 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top1 · выше — лучше

    Результат

    96,16 %

    image-classification 99,19 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    87,896 %

    image-classification 97,865 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    99,48 %

    image-classification 95,74 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top5 · выше — лучше

    Результат

    62,203 %

    image-classification 46,553 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top1 · выше — лучше

    Результат

    83,158 %

    image-classification 96,626 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    67,933 %

    image-classification 33,133 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top1 · выше — лучше

    Результат

    72,58 %

    image-classification 90,88 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

timm/twins_pcpvt_large.in1k — модель классификации изображений из семейства Twins-PCPVT, обученная авторами статьи на ImageNet-1k. Её можно использовать как готовый классификатор или как визуальный backbone для извлечения признаков. Архитектура относится к Vision Transformers и использует пространственное внимание.

Модель содержит 61 млн параметров, требует изображения размером 224 × 224 и имеет вычислительную сложность 9,8 GMACs. Репозиторий содержит веса PyTorch и SafeTensors; для работы предназначена библиотека timm. Лицензия — Apache-2.0.

Модель обучена на ImageNet-1k, поэтому её классификационные возможности ориентированы на классы этого набора данных. README также показывает использование для получения эмбеддингов, но не приводит подробностей о переносе на другие наборы данных или задачах.

Сценарии применения

  • классификация изображений по классам ImageNet-1k
  • получение визуальных признаков для последующих моделей
  • использование в качестве backbone для компьютерного зрения

Ограничения

Классификатор обучен на ImageNet-1k, поэтому его классы ограничены этой предметной областью без дополнительной адаптации. Для указанных в карточке результатов требуется вход размером 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 twins_pcpvt_large.in1k

A Twins-PCPVT image classification model. Trained 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('twins_pcpvt_large.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)

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(
    'twins_pcpvt_large.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, 49, 512) 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{chu2021Twins,
    title={Twins: Revisiting the Design of Spatial Attention in Vision Transformers},
    author={Xiangxiang Chu and Zhi Tian and Yuqing Wang and Bo Zhang and Haibing Ren and Xiaolin Wei and Huaxia Xia and Chunhua Shen},
    booktitle={NeurIPS 2021},
    url={https://openreview.net/forum?id=5kTlVBkzSRx},
    year={2021}
}

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
520c094

0 моделей