facebook/convnextv2-large-1k-224

facebook

Clasificación de imagen

ConvNeXt V2 es un modelo completamente convolucional (ConvNet) que introduce un marco completamente convolucional de codificador automático enmascarado (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 puntos de referencia 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-large-1k-224")
model = ConvNextV2ForImageClassification.from_pretrained("facebook/convnextv2-large-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, consulta la documentación.

Funcionalidades

Modelo completamente convolucional (ConvNet)
Marco de codificador automático enmascarado completamente convolucional (FCMAE)
Nueva capa de Normalización de Respuesta Global (GRN)
Mejoras significativas en el rendimiento en benchmarks de reconocimiento

Casos de uso

Clasificación de imágenes