seresnet50.ra2_in1k

timm

Clasificación de imagen

Un modelo de clasificación de imágenes SE-ResNet-B con atención de canal Squeeze-and-Excitation. Este modelo presenta: activaciones ReLU, convolución de capa única 7x7 con agrupamiento, atajo de muestreo descendente por convolución 1x1, atención de canal Squeeze-and-Excitation. Entrenado en ImageNet-1k en timm utilizando la receta de RandAugment RA2. Optimizador RMSProp, promediación de peso EMA y programación de LR escalonada con 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('seresnet50.ra2_in1k', pretrained=True)
model = model.eval()

# obtener las transformaciones específicas del modelo (normalización, redimensionado)
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)) # aplicar transformaciones y añadir dimensión de lote

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('seresnet50.ra2_in1k', pretrained=True, features_only=True)
model = model.eval()

# obtener las transformaciones específicas del modelo (normalización, redimensionado)
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)) # aplicar transformaciones y añadir dimensión de lote

for o in output:
    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('seresnet50.ra2_in1k', pretrained=True, num_classes=0) # quitar clasificador nn.Linear
model = model.eval()

# obtener las transformaciones específicas del modelo (normalización, redimensionado)
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)

# equivalente (sin necesidad de establecer num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0)) # la salida no agrupada es un tensor con forma (1, 2048, 7, 7)

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

Funcionalidades

Activaciones ReLU
Convolución de capa única 7x7 con agrupamiento
Atajo de muestreo descendente por convolución 1x1
Atención de canal Squeeze-and-Excitation

Casos de uso

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