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

Swin Transformer（大尺寸模型）

Swin Transformer模型在ImageNet-21k（1400万张图片，21,841个类别）上以384x384分辨率进行预训练。该模型由Liu等人在论文《Swin Transformer: Hierarchical Vision Transformer using Shifted Windows》（https://arxiv.org/abs/2103.14030）中提出，并首次发布于此代码库。

免责声明：发布Swin Transformer的团队未为此模型编写模型卡片，因此本模型卡片由Hugging Face团队编写。

模型描述

Swin Transformer是一种视觉Transformer。它通过在更深层次合并图像块（灰色显示）来构建分层特征图，并且由于仅在每个局部窗口（红色显示）内计算自注意力，其计算复杂度与输入图像大小呈线性关系。因此，它可以作为图像分类和密集识别任务的通用骨干网络。相比之下，之前的视觉Transformer由于全局计算自注意力，会产生单一低分辨率的特征图，并且计算复杂度与输入图像大小呈平方关系。

来源

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1,000个ImageNet类别之一：

from transformers import AutoFeatureExtractor, SwinForImageClassification  
from PIL import Image  
import requests  

url = "http://images.cocodataset.org/val2017/000000039769.jpg"  
image = Image.open(requests.get(url, stream=True).raw)  

feature_extractor = AutoFeatureExtractor.from_pretrained("microsoft/swin-large-patch4-window12-384-in22k")  
model = SwinForImageClassification.from_pretrained("microsoft/swin-large-patch4-window12-384-in22k")  

inputs = feature_extractor(images=image, return_tensors="pt")  
outputs = model(**inputs)  
logits = outputs.logits  
# 模型预测1,000个ImageNet类别之一  
predicted_class_idx = logits.argmax(-1).item()  
print("预测类别：", model.config.id2label[predicted_class_idx])  

更多代码示例，请参阅文档。

BibTeX条目与引用信息

@article{DBLP:journals/corr/abs-2103-14030,  
  author    = {Ze Liu and  
               Yutong Lin and  
               Yue Cao and  
               Han Hu and  
               Yixuan Wei and  
               Zheng Zhang and  
               Stephen Lin and  
               Baining Guo},  
  title     = {Swin Transformer: Hierarchical Vision Transformer using Shifted Windows},  
  journal   = {CoRR},  
  volume    = {abs/2103.14030},  
  year      = {2021},  
  url       = {https://arxiv.org/abs/2103.14030},  
  eprinttype = {arXiv},  
  eprint    = {2103.14030},  
  timestamp = {Thu, 08 Apr 2021 07:53:26 +0200},  
  biburl    = {https://dblp.org/rec/journals/corr/abs-2103-14030.bib},  
  bibsource = {dblp computer science bibliography, https://dblp.org}  
}