convnextv2-atto-1k-224 - ConvNeXt V2 提升卷积网络性能的先进图像分类模型

项目介绍：ConvNeXt V2-atto-1k-224

ConvNeXt V2-atto-1k-224是一个由Woo等人在论文《ConvNeXt V2: Co-designing and Scaling ConvNets with Masked Autoencoders》中介绍的深度学习模型。它是一种纯卷积模型，使用了FCMAE框架在ImageNet-1K数据集上进行预训练，并在224x224分辨率下进行了精调。这个程序首次在其GitHub仓库中发布。

模型描述

ConvNeXt V2是基于卷积神经网络（ConvNet）的强化版本。引入了全卷积的掩码自编码器框架（FCMAE）和一种新型的全局响应归一化层（GRN），大大提高了纯卷积神经网络在各种识别基准上的表现能力。

模型架构

预期用途及限制

该模型主要用于图像分类任务。用户可以在模型中心中查找针对特定任务进行过微调的版本。

使用方法

下面示例展示如何使用此模型将COCO 2017数据集中的图像分类为1,000个ImageNet类别之一：

from transformers import AutoImageProcessor, ConvNextV2ForImageClassification
import torch
from datasets import load_dataset

dataset = load_dataset("huggingface/cats-image")
image = dataset["test"]["image"][0]

preprocessor = AutoImageProcessor.from_pretrained("facebook/convnextv2-atto-1k-224")
model = ConvNextV2ForImageClassification.from_pretrained("facebook/convnextv2-atto-1k-224")

inputs = preprocessor(image, return_tensors="pt")

with torch.no_grad():
    logits = model(**inputs).logits

# model predicts one of the 1000 ImageNet classes
predicted_label = logits.argmax(-1).item()
print(model.config.id2label[predicted_label]),

更多示例可以参考文档。

文献引用

如果需要引用该模型的相关论文，可以使用以下BibTeX格式信息：

@article{DBLP:journals/corr/abs-2301-00808,
  author    = {Sanghyun Woo and
               Shoubhik Debnath and
               Ronghang Hu and
               Xinlei Chen and
               Zhuang Liu and
               In So Kweon and
               Saining Xie},
  title     = {ConvNeXt {V2:} Co-designing and Scaling ConvNets with Masked Autoencoders},
  journal   = {CoRR},
  volume    = {abs/2301.00808},
  year      = {2023},
  url       = {https://doi.org/10.48550/arXiv.2301.00808},
  doi       = {10.48550/arXiv.2301.00808},
  eprinttype = {arXiv},
  eprint    = {2301.00808},
  timestamp = {Tue, 10 Jan 2023 15:10:12 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2301-00808.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}