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是一种层次化视觉Transformer模型，具有快速、强大且极其简洁的特点。该模型在论文《Hiera: 一个没有花哨设计的层次化视觉Transformer》中提出，在广泛图像与视频任务中超越当前最优技术的同时，实现了显著的速度提升。

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。但这种方式效率低下：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。ResNet等层次化模型通过初始减少特征数、后期降低分辨率来解决这个问题。

Swin和MViT等专业视觉Transformer采用了这种层次化设计。但为了在ImageNet-1K全监督训练中达到最优效果，这些模型通过添加特殊模块来弥补ViT缺乏的空间偏置，导致结构日趋复杂。虽然这些改进带来了理想的FLOPs数值，但实际运行效率反而降低。

我们发现这些复杂设计大多并非必要。通过MAE训练方法，我们能够简化或移除现有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实现性能突破。

应用场景与限制

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-tiny-224-hf")
model = HieraModel.from_pretrained("facebook/hiera-tiny-224-hf")

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

如需提取不同阶段的特征图，可使用HieraBackbone并设置out_features参数：

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-tiny-224-hf")
# `out_features`可选范围：['stem', 'stage1', 'stage2', 'stage3', 'stage4']
# 这会引入新的LayerNorm层，建议在下游任务中微调
model = HieraBackbone.from_pretrained("facebook/hiera-tiny-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

若使用Hiera或相关代码，请引用：

@article{ryali2023hiera,
  title={Hiera: 一个没有花哨设计的层次化视觉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}
}