许可协议：cc-by-nc-4.0 库名称：timm 标签：

• 图像特征提取
• timm
• transformers

convnextv2_tiny.fcmae 模型卡

一个基于ConvNeXt-V2的自监督特征表示模型。采用全卷积掩码自编码器框架（FCMAE）进行预训练。该模型未包含预训练头部，仅适用于微调或特征提取任务。

模型详情

• 模型类型： 图像分类/特征主干网络
• 模型统计：
  • 参数量（百万）：27.9
  • GMACs运算量：4.5
  • 激活值（百万）：13.4
  • 图像尺寸：224 x 224像素
• 相关论文：
  • ConvNeXt V2: 通过掩码自编码器协同设计与扩展卷积网络：https://arxiv.org/abs/2301.00808
• 原始实现： https://github.com/facebookresearch/ConvNeXt-V2
• 预训练数据集： ImageNet-1k

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('convnextv2_tiny.fcmae', pretrained=True)
model = model.eval()

# 获取模型特定的数据变换（标准化、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))  # 将单张图像扩展为批大小为1

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(
    'convnextv2_tiny.fcmae',
    pretrained=True,
    features_only=True,
)
model = model.eval()

# 获取模型特定的数据变换
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))  # 将单张图像扩展为批大小为1

for o in output:
    # 打印输出中每个特征图的形状
    # 例如：
    #  torch.Size([1, 96, 56, 56])
    #  torch.Size([1, 192, 28, 28])
    #  torch.Size([1, 384, 14, 14])
    #  torch.Size([1, 768, 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(
    'convnextv2_tiny.fcmae',
    pretrained=True,
    num_classes=0,  # 移除分类器nn.Linear层
)
model = model.eval()

# 获取模型特定的数据变换
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

# 或等效操作（无需设置num_classes=0）

output = model.forward_features(transforms(img).unsqueeze(0))
# 输出为未池化的(1, 768, 7, 7)形状张量

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

模型对比

在timm的模型结果中查看该模型的数据集和运行时指标。

所有计时数据来自RTX 3090显卡上PyTorch 1.13的eager模式（启用AMP）。