license: other library_name: timm tags:

• 图像特征提取
• timm
• transformers

模型卡片：regnety_1280.seer

一个RegNetY-128GF特征/骨干模型。采用SEER方法预训练：基于SwAV在"20亿张随机网络图片"上的自监督学习。

SEER采用SEER许可证授权，版权所有(c) Meta Platforms, Inc.。该许可证为非商业用途许可，包含使用和分发限制。

timm的RegNet实现包含多项独特增强功能：

• 随机深度
• 梯度检查点
• 分层学习率衰减
• 可配置输出步长（扩张率）
• 可配置激活和归一化层
• RegNetV变体使用的预激活瓶颈块选项
• 唯一提供预训练权重的RegNetZ模型定义

模型详情

• 模型类型： 图像分类/特征骨干
• 模型统计：
  • 参数量（百万）：637.4
  • GMACs：127.7
  • 激活量（百万）：71.6
  • 图像尺寸：224×224
• 相关论文：
  • 《Self-supervised Pretraining of Visual Features in the Wild》：https://arxiv.org/abs/2103.01988v2
  • 《Designing Network Design Spaces》：https://arxiv.org/abs/2003.13678
• 原始实现： https://github.com/facebookresearch/vissl
• 预训练数据集： RandomInternetImages-2B

模型使用

图像分类

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('regnety_1280.seer', pretrained=True)
model = model.eval()

# 获取模型特定的变换（归一化、调整大小）
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))  # 将单张图像转为批量形式

top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)

特征图提取

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(
    'regnety_1280.seer',
    pretrained=True,
    features_only=True,
)
model = model.eval()

# 获取模型特定的变换（归一化、调整大小）
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))  # 将单张图像转为批量形式

for o in output:
    # 打印输出中每个特征图的形状
    # 例如：
    #  torch.Size([1, 32, 112, 112])
    #  torch.Size([1, 528, 56, 56])
    #  torch.Size([1, 1056, 28, 28])
    #  torch.Size([1, 2904, 14, 14])
    #  torch.Size([1, 7392, 7, 7])

    print(o.shape)

图像嵌入

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(
    'regnety_1280.seer',
    pretrained=True,
    num_classes=0,  # 移除分类器nn.Linear
)
model = model.eval()

# 获取模型特定的变换（归一化、调整大小）
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))  # 输出为(batch_size, num_features)形状张量

# 或等效方式（无需设置num_classes=0）

output = model.forward_features(transforms(img).unsqueeze(0))
# 输出未池化，为(1, 7392, 7, 7)形状张量

output = model.forward_head(output, pre_logits=True)
# 输出为(1, num_features)形状张量

模型比较

在timm的模型结果中探索该模型的数据集和运行时指标。

下方比较摘要中，带有ra_in1k、ra3_in1k、ch_in1k、sw_*和lion_*标签的权重在timm中训练。

引用

@article{goyal2022vision,
  title={Vision Models Are More Robust And Fair When Pretrained On Uncurated Images Without Supervision}, 
  author={Priya Goyal and Quentin Duval and Isaac Seessel and Mathilde Caron and Ishan Misra and Levent Sagun and Armand Joulin and Piotr Bojanowski},
  year={2022},
  eprint={2202.08360},
  archivePrefix={arXiv},
  primaryClass={cs.CV}
}

@InProceedings{Radosavovic2020,
  title = {Designing Network Design Spaces},
  author = {Ilija Radosavovic and Raj Prateek Kosaraju and Ross Girshick and Kaiming He and Piotr Doll{'a}r},
  booktitle = {CVPR},
  year = {2020}
}

@misc{rw2019timm,
  author = {Ross Wightman},
  title = {PyTorch Image Models},
  year = {2019},
  publisher = {GitHub},
  journal = {GitHub repository},
  doi = {10.5281/zenodo.4414861},
  howpublished = {\url{https://github.com/huggingface/pytorch-image-models}}
}