Convnext Base 224 22k 1k

由 facebook 开发

ConvNeXT是一个纯卷积模型，受视觉Transformer设计启发，在ImageNet-22k上预训练并在ImageNet-1k上微调，性能优于传统Transformer。

图像分类

Transformers

开源协议:Apache-2.0 #纯卷积架构 #图像分类 #高精度分类

下载量 1,879

发布时间 : 3/2/2022

模型介绍

内容详情

替代品

模型简介

ConvNeXT是一个现代化的卷积神经网络，专为图像分类任务设计，结合了传统ConvNet和Transformer的优点。

模型特点

现代化ConvNet设计

从ResNet出发，以Swin Transformer为灵感，现代化了传统卷积网络的设计。

高性能图像分类

在ImageNet-22k和ImageNet-1k数据集上表现出色，性能优于传统Transformer模型。

纯卷积架构

完全基于卷积操作，无需使用Transformer中的自注意力机制。

模型能力

图像分类

视觉特征提取

使用案例

计算机视觉

动物识别

识别图像中的动物种类，如老虎等。

准确分类ImageNet-1k中的1000个类别。

物体识别

识别日常物品，如茶壶等。

准确分类ImageNet-1k中的1000个类别。

场景识别

识别建筑和场景，如宫殿等。

准确分类ImageNet-1k中的1000个类别。

许可协议：apache-2.0
标签：

视觉
图像分类
数据集：
imagenet-21k
imagenet-1k
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（基础尺寸模型）

ConvNeXT模型在ImageNet-22k上进行了预训练，并在224x224分辨率的ImageNet-1k上进行了微调。该模型由Liu等人在论文《A ConvNet for the 2020s》中提出，并首次发布于此代码库。

免责声明：发布ConvNeXT的团队未为此模型编写模型卡，因此本模型卡由Hugging Face团队撰写。

模型描述

ConvNeXT是一个纯卷积模型（ConvNet），受视觉Transformer设计的启发，声称性能优于Transformer。作者从ResNet出发，以Swin Transformer为灵感，“现代化”了其设计。

模型架构图

预期用途与限制

您可以将原始模型用于图像分类。请访问模型中心查找您感兴趣任务的微调版本。

使用方法

以下是如何使用此模型将COCO 2017数据集中的一张图片分类为1000个ImageNet类别之一：

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-base-224-22k-1k")  
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-base-384-224-1k")  

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

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

# 模型预测1000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。

BibTeX条目与引用信息

@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}  
}