license: other library_name: timm tags:

• 图像特征提取
• timm
• transformers

模型卡片：regnety_320.seer

RegNetY-32GF特征/骨干模型。采用SEER方法预训练：基于SwAV自监督学习框架，在"20亿张随机网络图片"上完成预训练。

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

timm库的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（空洞卷积）
• 可配置激活函数与归一化层
• RegNetV变体特有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）：141.3
  • GMACs运算量：32.3
  • 激活值（百万）：30.3
  • 图像尺寸：224×224像素
• 相关论文：
  • 《野外视觉特征的自监督预训练》：https://arxiv.org/abs/2103.01988v2
  • 《网络设计空间的设计》：https://arxiv.org/abs/2003.13678
• 原始实现： https://github.com/facebookresearch/vissl
• 预训练数据集： RandomInternetImages-2B

使用示例

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_320.seer', pretrained=True)
model = model.eval()

# 获取模型专用预处理（归一化/尺寸调整）
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))  # 单图转批处理格式

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_320.seer',
    pretrained=True,
    features_only=True,
)
model = model.eval()

# 获取模型专用预处理
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))  # 单图转批处理格式

for o in output:
    # 打印各层级特征图形状
    # 示例输出：
    #  torch.Size([1, 32, 112, 112])
    #  torch.Size([1, 232, 56, 56])
    #  torch.Size([1, 696, 28, 28])
    #  torch.Size([1, 1392, 14, 14])
    #  torch.Size([1, 3712, 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_320.seer',
    pretrained=True,
    num_classes=0,  # 移除分类层
)
model = model.eval()

# 获取模型专用预处理
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)张量

# 等效替代方案（无需设置num_classes=0）
output = model.forward_features(transforms(img).unsqueeze(0))
# 输出为未池化的(1, 3712, 7, 7)张量

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

模型对比

完整模型指标参见timm测试结果。

下表对比中，带ra_in1k/ra3_in1k/ch_in1k/sw_*/lion_*标签的模型由timm训练。

引用文献

@article{goyal2022vision,
  title={视觉模型在无监督非精选图像预训练后更具鲁棒性和公平性}, 
  author={Priya Goyal等},
  year={2022},
  eprint={2202.08360},
  archivePrefix={arXiv},
  primaryClass={cs.CV}
}

@InProceedings{Radosavovic2020,
  title = {网络设计空间的设计},
  author = {Ilija Radosavovic等},
  booktitle = {CVPR},
  year = {2020}
}

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