seresnext50_32x4d.racm_in1k

timm

Clasificación de imagen

Un modelo de clasificación de imágenes SE-ResNeXt-B con atención de canal Squeeze-and-Excitation. Este modelo presenta: activaciones ReLU, convolución de una sola capa 7x7 con agrupamiento, atajo de muestreo hacia abajo de convolución 1x1, convoluciones de cuello de botella agrupadas 3x3, atención de canal Squeeze-and-Excitation. Entrenado en ImageNet-1k en timm utilizando una 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('seresnext50_32x4d.racm_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)) # Aumentar la dimensión de una sola imagen en un lote de 1

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

Extracción del mapa 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(
'seresnext50_32x4d.racm_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)) # Aumentar la dimensión de una sola imagen en un lote de 1

for o in output:
# Imprimir la forma de cada mapa de características en la salida
# Ejemplo:
#  torch.Size([1, 64, 112, 112])
#  torch.Size([1, 256, 56, 56])
#  torch.Size([1, 512, 28, 28])
#  torch.Size([1, 1024, 14, 14])
#  torch.Size([1, 2048, 7, 7])

print(o.shape)

Embeddings de imagen
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(
'seresnext50_32x4d.racm_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 en forma de (batch_size, num_features)

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

output = model.forward_features(transforms(img).unsqueeze(0))
# La salida no está agrupada, es un tensor en forma de (1, 2048, 7, 7)

output = model.forward_head(output, pre_logits=True)
# La salida es un tensor en forma de (1, num_features)

Funcionalidades

Activaciones ReLU
Convolución de una sola capa 7x7 con agrupamiento
Atajo de muestreo hacia abajo de convolución 1x1
Convoluciones de cuello de botella agrupadas 3x3
Atención de canal Squeeze-and-Excitation

Casos de uso

Clasificación de imágenes
Extracción del mapa de características
Embeddings de imagen