pit_s_distilled_224.in1k

timm

Clasificación de imagen

Un modelo de clasificación de imágenes PiT (Transformer de Visión basado en Pooling). Entrenado en ImageNet-1k con distilación basada en tokens por los autores del artículo. Detalles del Modelo: - Tipo de Modelo: Clasificación de imágenes / Backbone de características - Parámetros (M): 24.0 - GMACs: 2.9 - Activaciones (M): 11.6 - Tamaño de la Imagen: 224 x 224 Papers: - Repensando las Dimensiones Espaciales de los Transformers de Visión: https://arxiv.org/abs/2103.16302 Dataset: ImageNet-1k Original: https://github.com/naver-ai/pit

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('pit_s_distilled_224.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)) # agregar dimensión de batch de 1

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

Extracción de Mapas 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(
'pit_s_distilled_224.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)) # agregar dimensión de batch de 1

for o in output:
# imprimir la forma de cada mapa de características en la salida
# por ejemplo:
#  torch.Size([1, 144, 27, 27])
#  torch.Size([1, 288, 14, 14])
#  torch.Size([1, 576, 7, 7])

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(
'pit_s_distilled_224.in1k',
pretrained=True,
num_classes=0, # eliminar el 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 con forma (batch_size, num_features)

# o equivalente (sin necesidad de configurar num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# la salida no está agrupada, es un tensor con forma (1, 2, 576)

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

Funcionalidades

Clasificación de Imágenes
Extracción de Mapas de Características
Embeddings de Imágenes

Casos de uso

Clasificación de Imágenes
Extracción de Mapas de Características
Embeddings de Imágenes