/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
26 апр 2023

visformer_small.in1k

Классификация изображенийИзображение → label3 профессии

Visformer Small — модель timm для классификации изображений ImageNet-1k и извлечения визуальных признаков.

21 555скачиваний за 30 дней1лайквеса 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-a-clean

    top1 · выше — лучше

    Результат

    95,49 %

    image-classification 98,9 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    89,33 %

    image-classification 70,92 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top1 · выше — лучше

    Результат

    25,64 %

    image-classification 58,573 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top1 · выше — лучше

    Результат

    94,97 %

    image-classification 99,21 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top5 · выше — лучше

    Результат

    48,315 %

    image-classification 30,325 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    87,179 %

    image-classification 97,316 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    43,2 %

    image-classification 57,97 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top5 · выше — лучше

    Результат

    95,876 %

    image-classification 82,092 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

timm/visformer_small.in1k — модель классификации изображений и извлечения визуальных признаков на архитектуре Visformer, представленная в экосистеме timm. Она обучена на ImageNet-1k и предназначена для отнесения изображений к категориям, а также для получения эмбеддингов, пригодных как визуальные признаки в последующих задачах. Модель содержит около 40,2 млн параметров, рассчитана на изображения размером 224 × 224 и имеет вычислительную сложность 4,9 GMACs.

Модель можно использовать для классификации изображений общего назначения и как backbone для компьютерного зрения. Репозиторий предоставляет веса PyTorch и safetensors; лицензия — Apache-2.0. Карточка не сообщает точность на тестовых наборах или ограничения по классам за пределами обучения на ImageNet-1k.

Сценарии применения

  • классификация изображений по категориям ImageNet
  • получение эмбеддингов изображений для поиска похожих объектов
  • извлечение визуальных признаков для последующих задач компьютерного зрения

Ограничения

Обучение ориентировано на ImageNet-1k, а входной размер изображения указан как 224 × 224; точность и ограничения на других наборах данных в карточке не приведены.

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 visformer_small.in1k

A Visformer image classification model. Trained on ImageNet-1k by https://github.com/hzhang57 and https://github.com/developer0hye.

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('visformer_small.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(
    'visformer_small.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, 768, 7, 7) 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{chen2021visformer,
  title={Visformer: The vision-friendly transformer},
  author={Chen, Zhengsu and Xie, Lingxi and Niu, Jianwei and Liu, Xuefeng and Wei, Longhui and Tian, Qi},
  booktitle={Proceedings of the IEEE/CVF international conference on computer vision},
  pages={589--598},
  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
7c2f2cd

0 моделей