efficientvit_m2.r224_in1k

timm
Clasificación de imagen

Un modelo de clasificación de imágenes EfficientViT (MSRA). Entrenado en ImageNet-1k por los autores del artículo.

Como usar

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('efficientvit_m2.r224_in1k', pretrained=True)
model = model.eval()

# get model specific transforms (normalization, resize)
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)

Funcionalidades

Tipo de Modelo: clasificación de imágenes / columna vertebral de características
Parámetros (M): 4.2
GMACs: 0.2
Activaciones (M): 1.5
Tamaño de imagen: 224 x 224
Papers: EfficientViT: Transformador de Visión Eficiente en Memoria con Atención en Grupo Cascada

Casos de uso

Clasificación de imágenes
Extracción de mapas de características
Embeddings de imágenes