timm/swinv2_base_window16_256.ms_in1k

timm
Clasificación de imagen

Un modelo de clasificación de imágenes Swin Transformer V2. Entrenado previamente en ImageNet-1k por los autores del artículo. Este modelo de clasificación de imágenes / espina dorsal de características cuenta con 87.9 millones de parámetros, 22.0 GMACs y 84.7 millones de activaciones. El tamaño de la imagen es de 256 x 256.

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('swinv2_base_window16_256.ms_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

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('swinv2_base_window16_256.ms_in1k', pretrained=True, features_only=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))

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('swinv2_base_window16_256.ms_in1k', pretrained=True, num_classes=0)
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))

output = model.forward_features(transforms(img).unsqueeze(0))

output = model.forward_head(output, pre_logits=True)

Funcionalidades

Modelo de clasificación de imágenes / espina dorsal de características
87.9 millones de parámetros
22.0 GMACs
84.7 millones de activaciones
Tamaño de imagen: 256 x 256

Casos de uso

Clasificación de imágenes
Extracción de mapas de características
Obtención de embeddings de imágenes