facebook/convnextv2-tiny-22k-384
ConvNeXt V2 es un modelo puro convolucional (ConvNet) que introduce un marco de autoencoder 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. El modelo ConvNeXt V2 ha sido preentrenado usando el marco FCMAE y ajustado en el conjunto de datos ImageNet-22K a una resolución de 384x384. Fue presentado en el artículo 'ConvNeXt V2: Co-designing and Scaling ConvNets with Masked Autoencoders' por Woo et al. y se publicó por primera vez en este repositorio. Descargo de responsabilidad: El equipo que lanzó ConvNeXt V2 no escribió una tarjeta de modelo para este modelo, por lo que la tarjeta de modelo ha sido escrita por el equipo de Hugging Face.
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-tiny-22k-384")
model = ConvNextV2ForImageClassification.from_pretrained("facebook/convnextv2-tiny-22k-384")
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])
Funcionalidades
- Modelo puramente convolucional (ConvNet)
- Marco de autoencoder completamente convolucional (FCMAE)
- Nueva capa de Normalización de Respuesta Global (GRN)
- Mejora significativa en el rendimiento en varios benchmarks de reconocimiento
Casos de uso
- Clasificación de imágenes en las 1,000 clases de ImageNet
- Reciclaje en versiones afinadas para tareas específicas de clasificación de imágenes