数据集:

• imagenet-1k 语言:
• 英文 库名称: transformers 许可证: cc-by-nc-4.0

Hiera模型（微型版，基于IN1K微调）

Hiera是一种分层的视觉Transformer模型，具有快速、强大且极其简洁的特点。该模型在论文《Hiera: 一个没有花哨功能的分层视觉Transformer》中提出，在广泛的图像和视频任务中超越了现有技术，同时运行速度显著提升。

工作原理

传统视觉Transformer（如ViT）在整个网络中保持相同的空间分辨率和特征数量。但这种设计效率低下：早期层不需要过多特征，而深层网络则不需要过高空间分辨率。先前如ResNet等分层模型通过在起始阶段减少特征数量、在末端降低空间分辨率来解决这一问题。

虽然Swin和MViT等专业视觉Transformer采用了这种分层设计，但为了在ImageNet-1K全监督训练中达到最佳效果，这些模型通过添加专门模块来弥补ViT缺乏的空间偏置，导致结构日趋复杂。尽管这些改进能打造出FLOPs指标亮眼的有效模型，但底层增加的复杂性反而降低了整体运行速度。

我们发现这些冗余设计大多是不必要的。与其通过架构改动手动添加空间偏置，我们选择让模型自主学习这些偏置。通过MAE训练方法，我们可以简化或完全移除现有Transformer中的冗余模块，同时提升准确率。最终诞生的Hiera架构极其高效简洁，在多项图像视频识别任务中超越了现有技术。

使用场景与限制

Hiera可用于图像分类、特征提取或掩码图像建模。本特定检查点专为特征提取设计。

使用方法

from transformers import AutoImageProcessor, HieraModel
import torch
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

image_processor = AutoImageProcessor.from_pretrained("facebook/hiera-huge-224-hf")
model = HieraModel.from_pretrained("facebook/hiera-huge-224-hf")

inputs = image_processor(images=image, return_tensors="pt")
outputs = model(**inputs)

您还可以使用HieraBackbone从模型不同阶段提取特征图，加载时设置out_features参数。以下是提取各阶段特征图的方法：

from transformers import AutoImageProcessor, HieraBackbone
import torch
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

image_processor = AutoImageProcessor.from_pretrained("facebook/hiera-huge-224-hf")
# `out_features`应为['stem', 'stage1', 'stage2', 'stage3', 'stage4']的子集
# 这会引入新的LayerNorm层，建议在下游任务中微调
model = HieraBackbone.from_pretrained("facebook/hiera-huge-224-hf", out_features=['stage1', 'stage2', 'stage3', 'stage4'])

inputs = image_processor(images=image, return_tensors="pt")
outputs = model(**inputs)
feature_maps = outputs.feature_maps

引用信息

若您使用Hiera或相关代码，请引用：

@article{ryali2023hiera,
  title={Hiera: 一个没有花哨功能的分层视觉Transformer},
  author={Ryali, Chaitanya and Hu, Yuan-Ting and Bolya, Daniel and Wei, Chen and Fan, Haoqi and Huang, Po-Yao and Aggarwal, Vaibhav and Chowdhury, Arkabandhu and Poursaeed, Omid and Hoffman, Judy and Malik, Jitendra and Li, Yanghao and Feichtenhofer, Christoph},
  journal={ICML},
  year={2023}
}