seresnet152d.ra2_in1k

timm

Clasificación de imagen

Un modelo de clasificación de imágenes SE-ResNet-D con atención de canal Squeeze-and-Excitation. Este modelo cuenta con activaciones ReLU, un stem de 3 capas de convoluciones 3x3 con pooling, reducción de muestra mediante promedio de 2x2 + convolución de atajo 1x1 y atención de canal Squeeze-and-Excitation. Entrenado en ImageNet-1k utilizando recetas de timm, que incluye RandAugment RA2 inspirado y evolucionado de las recetas EfficientNet RandAugment, optimizador RMSProp (comportamiento TF 1.0), programación de LR con escalera de decaimiento exponencial y 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('seresnet152d.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)) # Añadir dimensión de lote de 1 imagen

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('seresnet152d.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))  # Añadir dimensión de lote de 1 imagen

for o in output:
    print(o.shape)  # Imprimir forma de cada mapa de características en salida

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('seresnet152d.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))  # Salida es tensor con forma (batch_size, num_features)

# O equivalentemente (sin necesidad de establecer `num_classes=0`)

output = model.forward_features(transforms(img).unsqueeze(0))  # Salida no agrupada, tensor con forma (1, 2048, 8, 8)

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

Funcionalidades

Activaciones ReLU
Stem de 3 capas de convoluciones 3x3 con pooling
Reducción de muestra mediante promedio de 2x2 + convolución de atajo 1x1
Atención de canal Squeeze-and-Excitation

Casos de uso

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