许可协议：apache-2.0
标签：

• 视觉
• 图像分类
  数据集：
• imagenet-21k
  示例展示：
• 图片链接：https://huggingface.co/datasets/mishig/sample_images/resolve/main/tiger.jpg
  示例标题：老虎
• 图片链接：https://huggingface.co/datasets/mishig/sample_images/resolve/main/teapot.jpg
  示例标题：茶壶
• 图片链接：https://huggingface.co/datasets/mishig/sample_images/resolve/main/palace.jpg
  示例标题：宫殿

ConvNeXT（超大尺寸模型）

该ConvNeXT模型基于ImageNet-22k数据集在224x224分辨率下训练而成，由Liu等人在论文《面向2020年代的卷积网络》（https://arxiv.org/abs/2201.03545）中提出，并首次发布于该代码库（https://github.com/facebookresearch/ConvNeXt）。

免责声明：ConvNeXT发布团队未为此模型编写说明卡片，本卡片由Hugging Face团队撰写。

模型描述

ConvNeXT是一个纯卷积模型（ConvNet），其设计灵感来自视觉Transformer，并宣称性能优于后者。作者以ResNet为基础，借鉴Swin Transformer的思想对其进行了"现代化"改造。

使用场景与限制

您可将该原始模型用于图像分类任务。访问模型中心（https://huggingface.co/models?search=convnext）可查找针对特定任务微调的版本。

使用方法

以下示例展示如何用该模型将COCO 2017数据集中的图像分类到ImageNet的1,000个类别中：

from transformers import ConvNextFeatureExtractor, ConvNextForImageClassification
import torch
from datasets import load_dataset

dataset = load_dataset("huggingface/cats-image")
image = dataset["test"]["image"][0]

feature_extractor = ConvNextFeatureExtractor.from_pretrained("facebook/convnext-xlarge-224-22k")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-xlarge-224-22k")

inputs = feature_extractor(image, return_tensors="pt")

with torch.no_grad():
    logits = model(**inputs).logits

# 模型预测22k个ImageNet类别之一
predicted_label = logits.argmax(-1).item()
print(model.config.id2label[predicted_label]),

更多代码示例请参阅文档（https://huggingface.co/docs/transformers/master/en/model_doc/convnext）。

BibTeX引用信息

@article{DBLP:journals/corr/abs-2201-03545,
  author    = {Zhuang Liu and
               Hanzi Mao and
               Chao{-}Yuan Wu and
               Christoph Feichtenhofer and
               Trevor Darrell and
               Saining Xie},
  title     = {A ConvNet for the 2020s},
  journal   = {CoRR},
  volume    = {abs/2201.03545},
  year      = {2022},
  url       = {https://arxiv.org/abs/2201.03545},
  eprinttype = {arXiv},
  eprint    = {2201.03545},
  timestamp = {Thu, 20 Jan 2022 14:21:35 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2201-03545.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}