库名称：transformers
标签：[]

模型详情

模型描述

MiewID-msv2 是一个通过对比学习在包含54种陆生和水生野生动物（包括鳍、尾叶、侧面、面部）的大规模高质量数据集上训练的特征提取器，用于个体重识别。

• 模型类型： 野生动物重识别特征主干网络
• 模型统计：
  • 参数量（百万）：51.11
  • GMACs运算量：24.38
  • 激活值（百万）：91.11
  • 图像尺寸：440 x 440

模型来源 [可选]

• 代码库： https://github.com/WildMeOrg/wbia-plugin-miew-id
• 主干网络： https://huggingface.co/timm/efficientnetv2_rw_m.agc_in1k

使用方法

该模型旨在通过与真实样本数据库匹配，实现跨物种个体重识别。模型特征也可通过检索用于物种分类。

特征向量提取

import numpy as np  
from PIL import Image  
import torch  
import torchvision.transforms as transforms  
from transformers import AutoModel  

model_tag = "conservationxlabs/miewid-msv2"  
model = AutoModel.from_pretrained(model_tag, trust_remote_code=True)  

def generate_random_image(height=440, width=440, channels=3):  
    random_image = np.random.randint(0, 256, (height, width, channels), dtype=np.uint8)  
    return Image.fromarray(random_image)  

random_image = generate_random_image()  

preprocess = transforms.Compose([  
    transforms.Resize((440, 440)),  
    transforms.ToTensor(),  
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),  
])  

input_tensor = preprocess(random_image)  
input_batch = input_tensor.unsqueeze(0)   

with torch.no_grad():  
    output = model(input_batch)  

print(output)  
print(output.shape)  

更多示例

访问 https://github.com/WildMeOrg/wbia-plugin-miew-id/tree/main/wbia_miew_id/examples 查看更多使用案例

训练详情

训练数据

实验数据集整合了来自Wildbook平台（多用户）、Happywhale Kaggle竞赛多物种数据集及多个公开数据集。Wildbook平台的部分数据子集可在 https://lila.science/datasets 获取。

示例图像

评估结果

多物种模型相比单一物种训练模型表现出性能提升。在留一法训练和评估中，该模型对大多数物种展现出强大的泛化能力。

详细结果

注：表格中部分物种名称保留英文专业术语（如"beluga_whale"译为"白鲸"），"unknown"统一译为"未知"，技术指标（如mAP）保留英文缩写。评估指标中的"rank-1"等术语保持英文格式以符合技术文档惯例。