timm/resnet101s.gluon_in1k

timm

Clasificación de imagen

Un modelo de clasificación de imágenes ResNet-S. Este modelo presenta: activaciones ReLU, un tallo de 3 capas de convoluciones 3x3 con anchura y agrupamiento adicionales, un atajo de convolución 1x1 para reducir la muestra. Entrenado en ImageNet-1k en Apache Gluon utilizando recetas basadas en Bag-of-Tricks.

Como usar

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

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

model = timm.create_model('resnet101s.gluon_in1k', pretrained=True)
model = model.eval()

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

# Extracción de Mapas de Características
model = timm.create_model('resnet101s.gluon_in1k', pretrained=True, features_only=True)
output = model(transforms(img).unsqueeze(0))
for o in output:
    print(o.shape)

# Embeddings de Imágenes
model = timm.create_model('resnet101s.gluon_in1k', pretrained=True, num_classes=0)
output = model(transforms(img).unsqueeze(0))
output = model.forward_features(transforms(img).unsqueeze(0))
output = model.forward_head(output, pre_logits=True)

Funcionalidades

Activaciones ReLU
Tallo de 3 capas de convoluciones 3x3 con anchura adicional y agrupamiento
Atajo de convolución 1x1 para reducir la muestra

Casos de uso

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