timm/ecaresnet269d.ra2_in1k

timm

Clasificación de imagen

Un modelo de clasificación de imágenes ECA-ResNet-D con Atención Eficiente de Canales. Este modelo presenta: 1. Activaciones ReLU 2. Vástago de 3 capas con convoluciones de 3x3 y agrupamiento 3. Agrupación promedio 2x2 + convolución atajo de 1x1 4. Atención Eficiente de Canales Entrenado en ImageNet-1k en timm usando la plantilla de receta descrita a continuación. Detalles de la receta: - Receta RandAugment RA2. Inspirada y evolucionada de las recetas de RandAugment de EfficientNet. Publicado como receta B en ResNet Strikes Back. - Optimizador RMSProp (comportamiento TF 1.0), promedio de peso EMA - Programa de aprendizaje LR escalonado (decadencia exponencial con escalera) con calentamiento

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('ecaresnet269d.ra2_in1k', pretrained=True)
model = model.eval()

# obtener transformaciones específicas del modelo (normalización, cambio de tamaño)
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)) # dimensionar una sola imagen a un lote de 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(
'ecaresnet269d.ra2_in1k',
pretrained=True,
features_only=True,
)
model = model.eval()

# obtener transformaciones específicas del modelo (normalización, cambio de tamaño)
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)) # dimensionar una sola imagen a un lote de 1

for o in output:
# imprimir la forma de cada mapa de características en la salida
# e.g.:
#  torch.Size([1, 64, 160, 160])
#  torch.Size([1, 256, 80, 80])
#  torch.Size([1, 512, 40, 40])
#  torch.Size([1, 1024, 20, 20])
#  torch.Size([1, 2048, 10, 10])

print(o.shape)

Embeddings 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(
'ecaresnet269d.ra2_in1k',
pretrained=True,
num_classes=0, # remover clasificador nn.Linear
)
model = model.eval()

# obtener transformaciones específicas del modelo (normalización, cambio de tamaño)
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)) # la salida es un tensor de forma (batch_size, num_features)

# o equivalentemente (sin necesidad de establecer num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# la salida no está agrupada, es un tensor de forma (1, 2048, 10, 10)

output = model.forward_head(output, pre_logits=True)
# la salida es un tensor de forma (1, num_features)

Funcionalidades

Activaciones ReLU
Vástago de 3 capas con convoluciones de 3x3 y agrupamiento
Agrupación promedio 2x2 + convolución atajo de 1x1
Atención Eficiente de Canales

Casos de uso

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