timm/seresnet50.a1_in1k

timm

Clasificación de imagen

Modelo de clasificación de imágenes SE-ResNet-B con atención de canal Squeeze-and-Excitation. Este modelo presenta: activaciones ReLU, convolución de una sola capa 7x7 con agrupación, muestreo inferior mediante atajo de convolución 1x1, atención de canal Squeeze-and-Excitation. Entrenado en ImageNet-1k en timm utilizando la plantilla de receta descrita a continuación.

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('seresnet50.a1_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 lotes de 1 imagen

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

Funcionalidades

Activaciones ReLU
Convolución de una sola capa 7x7 con agrupación
Muestreo inferior mediante atajo de convolución 1x1
Atención de canal Squeeze-and-Excitation

Casos de uso

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