许可协议: apache-2.0
标签:

• 视觉
• 图像分类
  数据集:
• imagenet-1k

ResNet-50 v1.5

ResNet模型在224x224分辨率下基于ImageNet-1k预训练。该模型由何凯明等人在论文深度残差学习用于图像识别中提出。

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

模型描述

ResNet（残差网络）是一种卷积神经网络，普及了残差学习和跳跃连接的概念，使得训练更深层次的模型成为可能。

此为ResNet v1.5版本，与原版模型的区别在于：在下采样所需的瓶颈块中，v1版本在第一个1x1卷积层中设置步长(stride)=2，而v1.5版本则在3x3卷积层中设置步长(stride)=2。根据Nvidia的数据，这一改动使ResNet50 v1.5比v1版本准确率略高（约0.5% top1），但会带来轻微的性能损失（约5% 图像/秒）。

预期用途与限制

您可将该原始模型用于图像分类任务。访问模型中心寻找您感兴趣任务的微调版本。

使用方法

以下示例展示如何使用该模型将COCO 2017数据集中的图像分类为1000个ImageNet类别之一：

from transformers import AutoImageProcessor, ResNetForImageClassification  
import torch  
from datasets import load_dataset  

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

processor = AutoImageProcessor.from_pretrained("microsoft/resnet-50")  
model = ResNetForImageClassification.from_pretrained("microsoft/resnet-50")  

inputs = processor(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引用信息

@inproceedings{he2016deep,  
  title={深度残差学习用于图像识别},  
  author={何凯明 and 张祥雨 and 任少卿 and 孙剑},  
  booktitle={IEEE计算机视觉与模式识别会议论文集},  
  pages={770--778},  
  year={2016}  
}