timm/convnext_xlarge.fb_in22k_ft_in1k_384

timm
Clasificación de imagen

Un modelo de clasificación de imágenes ConvNeXt. Preentrenado en ImageNet-22k y ajustado en ImageNet-1k por los autores del artículo. El modelo es un tipo de clasificación de imágenes y funciona como un respaldo de características. Tiene 350.2 millones de parámetros, 179.2 GMACs, 169.0 millones de activaciones y una imagen de entrada de tamaño 384 x 384.

Como usar

Clasificación de imágenes

from urllib.request import urlopen
from PIL import Image
import timm

img = Image.open(urlopen(
'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

model = timm.create_model('convnext_xlarge.fb_in22k_ft_in1k_384', pretrained=True)
model = model.eval()

# get model specific transforms (normalización, redimensionar)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0)) # unsqueeze single image into batch of 1

top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)

Extracción de Mapa de Características

from urllib.request import urlopen
from PIL import Image
import timm

img = Image.open(urlopen(
'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

model = timm.create_model(
'convnext_xlarge.fb_in22k_ft_in1k_384',
pretrained=True,
features_only=True,
)
model = model.eval()

# get model specific transforms (normalización, redimensionar)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0)) # unsqueeze single image into batch of 1

for o in output:
# print shape of each feature map in output
# e.g.:
#  torch.Size([1, 256, 96, 96])
#  torch.Size([1, 512, 48, 48])
#  torch.Size([1, 1024, 24, 24])
#  torch.Size([1, 2048, 12, 12])

print(o.shape)

Embeddings de Imagen

from urllib.request import urlopen
from PIL import Image
import timm

img = Image.open(urlopen(
'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

model = timm.create_model(
'convnext_xlarge.fb_in22k_ft_in1k_384',
pretrained=True,
num_classes=0, # remove classifier nn.Linear
)
model = model.eval()

# get model specific transforms (normalización, redimensionar)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0)) # output is (batch_size, num_features) shaped tensor

# or equivalently (without needing to set num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# output is unpooled, a (1, 2048, 12, 12) shaped tensor

output = model.forward_head(output, pre_logits=True)
# output is a (1, num_features) shaped tensor

Funcionalidades

Tipo de modelo: Clasificación de imágenes / respaldo de características
Parámetros (M): 350.2
GMACs: 179.2
Activaciones (M): 169.0
Tamaño de imagen: 384 x 384
Trained en ImageNet-1k
Preentrenado en ImageNet-22k

Casos de uso

Clasificación de imágenes
Extracción de mapas de características
Generación de embeddings de imagen