ConvNeXt V2 (modelo de gran tamaño)
El modelo ConvNeXt V2 está preentrenado usando el marco FCMAE y ajustado en el conjunto de datos ImageNet-1K a una resolución de 224x224. Fue introducido en el artículo ConvNeXt V2: Co-designing and Scaling ConvNets with Masked Autoencoders por Woo et al. ConvNeXt V2 es un modelo puramente convolucional (ConvNet) que introduce un marco de auto codificador enmascarado completamente convolucional (FCMAE) y una nueva capa de Normalización de Respuesta Global (GRN) a ConvNeXt. ConvNeXt V2 mejora significativamente el rendimiento de los ConvNets puros en varios benchmarks de reconocimiento.
Como usar
Aquí se muestra cómo usar este modelo para clasificar una imagen del conjunto de datos COCO 2017 en una de las 1,000 clases de ImageNet:
from transformers import AutoImageProcessor, ConvNextV2ForImageClassification
import torch
from datasets import load_dataset
dataset = load_dataset("huggingface/cats-image")
image = dataset["test"]["image"][0]
preprocessor = AutoImageProcessor.from_pretrained("facebook/convnextv2-huge-1k-224")
model = ConvNextV2ForImageClassification.from_pretrained("facebook/convnextv2-huge-1k-224")
inputs = preprocessor(image, return_tensors="pt")
with torch.no_grad():
logits = model(**inputs).logits
# el modelo predice una de las 1000 clases de ImageNet
predicted_label = logits.argmax(-1).item()
print(model.config.id2label[predicted_label])
Para más ejemplos de código, nos referimos a la documentación.
Funcionalidades
- Modelo puramente convolucional
- Introduce el marco FCMAE
- Nueva capa de Normalización de Respuesta Global (GRN)
- Mejora significativa en benchmarks de reconocimiento
Casos de uso
- Clasificación de imágenes