/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
13 апр 2023

xcit_nano_12_p16_224.fb_in1k

Классификация изображенийИзображение → label3 профессии

Компактный XCiT-трансформер, обученный на ImageNet-1k для классификации изображений и извлечения визуальных признаков.

200скачиваний 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

    top1 · выше — лучше

    Результат

    69,982 %

    image-classification 89,78 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top1 · выше — лучше

    Результат

    58,41 %

    image-classification 80,75 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    97,44 %

    image-classification 88,9 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top1 · выше — лучше

    Результат

    88,6 %

    image-classification 96,83 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    77,906 %

    image-classification 93,435 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    33,037 %

    image-classification 50,067 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top1 · выше — лучше

    Результат

    21,449 %

    image-classification 39,787 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    25,253 %

    image-classification 4,813 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

XCiT Nano 12/16 с входом 224×224 — компактная модель классификации изображений семейства Cross-Covariance Image Transformer. Её разработали авторы статьи XCiT и предварительно обучили на ImageNet-1k; карточка Hugging Face указывает библиотеку timm и форматы PyTorch и Safetensors. Модель содержит около 3,1 млн параметров и требует примерно 0,6 GMAC на изображение.

Модель предназначена для классификации изображений и может использоваться как визуальная основа для извлечения признаков и эмбеддингов. Компактный размер подходит для экспериментов и сценариев, где важны вычислительная экономичность и фиксированный входной размер 224×224. Обучение на ImageNet-1k ориентирует её на распознавание объектов из набора классов этого датасета.

Лицензия — Apache-2.0. Модель принимает изображения и выдаёт классовые предсказания; в режиме извлечения признаков также формирует векторные представления. Она не предназначена для понимания текста или обработки изображений произвольного разрешения без соответствующей подготовки.

Сценарии применения

  • классификация объектов на изображениях
  • распознавание классов ImageNet-1k
  • извлечение признаков изображений
  • получение эмбеддингов изображений
  • визуальный backbone для компьютерного зрения

Ограничения

Обучена на ImageNet-1k и ориентирована на классификацию изображений; входной размер модели — 224×224. README не приводит оценок качества или сведений о переносе на другие наборы классов.

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 xcit_nano_12_p16_224.fb_in1k

A XCiT (Cross-Covariance Image Transformer) image classification model. Pretrained 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('xcit_nano_12_p16_224.fb_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(
    'xcit_nano_12_p16_224.fb_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, 197, 128) shaped tensor

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

Citation

@article{el2021xcit,
  title={XCiT: Cross-Covariance Image Transformers},
  author={El-Nouby, Alaaeldin and Touvron, Hugo and Caron, Mathilde and Bojanowski, Piotr and Douze, Matthijs and Joulin, Armand and Laptev, Ivan and Neverova, Natalia and Synnaeve, Gabriel and Verbeek, Jakob and others},
  journal={arXiv preprint arXiv:2106.09681},
  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
b181b46

0 моделей