Project Icon

eca_halonext26ts.c1_in1k

基于ResNeXt架构的HaloNet图像分类模型

eca_halonext26ts.c1_in1k是一种基于ResNeXt架构的HaloNet图像分类模型,采用高效通道注意力机制。该模型在timm库中使用ImageNet-1k数据集训练,参数量为10.8M,GMACs为2.4,适用于256x256图像。它结合了ResNet Strikes Back的训练方法和局部自注意力机制,可用于图像分类、特征图提取和图像嵌入等任务。通过灵活的BYOB架构,该模型在保持计算效率的同时提供了良好的性能和可定制性。

eca_halonext26ts.c1_in1k项目介绍

项目概述

eca_halonext26ts.c1_in1k是一个基于HaloNet架构的图像分类模型。这个模型结合了高效通道注意力机制(Efficient Channel Attention,ECA)和ResNeXt架构的特点,由Ross Wightman在timm库中训练完成。该模型在ImageNet-1k数据集上进行了训练,旨在提供一个高效且性能优秀的图像分类解决方案。

模型特点

这个模型具有以下几个显著特点:

  1. 灵活的架构:使用了timm库中的BYOBNet(Bring-Your-Own-Blocks Network)框架,允许灵活配置网络结构、注意力机制等组件。

  2. 高效注意力机制:采用了高效通道注意力机制,提高了模型的性能和效率。

  3. 优化的训练策略:基于"ResNet Strikes Back"论文中的C类配方,使用了SGD优化器(带Nesterov动量)和自适应梯度裁剪(AGC)技术。

  4. 先进的学习率调度:采用了带有预热的余弦退火学习率调度策略。

  5. 多项高级特性:包括随机深度、梯度检查点、分层学习率衰减和每阶段特征提取等timm库的常用功能。

模型详情

eca_halonext26ts.c1_in1k模型具有以下统计数据:

  • 参数量:10.8百万
  • GMACs:2.4
  • 激活量:11.5百万
  • 输入图像尺寸:256 x 256

这些数据表明,该模型在保持较小规模的同时,仍能提供出色的性能。

应用场景

这个模型主要应用于以下场景:

  1. 图像分类:可以直接用于识别和分类各种图像。

  2. 特征提取:作为backbone网络,可以提取图像的多尺度特征,用于下游任务如目标检测、图像分割等。

  3. 图像嵌入:可以生成图像的高维向量表示,用于图像检索、相似度计算等任务。

使用方法

模型的使用非常简便,通过timm库可以轻松加载预训练模型并进行推理。用户可以根据需求选择图像分类、特征图提取或图像嵌入等不同的使用方式。

总结

eca_halonext26ts.c1_in1k是一个结合了多项先进技术的图像分类模型,它在保持模型规模较小的同时,通过优化的架构设计和训练策略,实现了高效的性能。无论是直接用于图像分类任务,还是作为特征提取器用于其他计算机视觉任务,这个模型都展现出了很好的应用潜力。

Model card for eca_halonext26ts.c1_in1k

A HaloNet image classification model (with Efficient channel attention, based on ResNeXt architecture). Trained on ImageNet-1k in timm by Ross Wightman.

NOTE: this model did not adhere to any specific paper configuration, it was tuned for reasonable training times and reduced frequency of self-attention blocks.

Recipe details:

  • Based on ResNet Strikes Back C recipes
  • SGD (w/ Nesterov) optimizer and AGC (adaptive gradient clipping).
  • Cosine LR schedule with warmup

This model architecture is implemented using timm's flexible BYOBNet (Bring-Your-Own-Blocks Network).

BYOB (with BYOANet attention specific blocks) allows configuration of:

  • block / stage layout
  • block-type interleaving
  • stem layout
  • output stride (dilation)
  • activation and norm layers
  • channel and spatial / self-attention layers

...and also includes timm features common to many other architectures, including:

  • stochastic depth
  • gradient checkpointing
  • layer-wise LR decay
  • per-stage feature extraction

Model Details

  • Model Type: Image classification / feature backbone
  • Model Stats:
    • Params (M): 10.8
    • GMACs: 2.4
    • Activations (M): 11.5
    • Image size: 256 x 256
  • Papers:
  • Dataset: ImageNet-1k

Model Usage

Image Classification

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('eca_halonext26ts.c1_in1k', pretrained=True)
model = model.eval()

# get model specific transforms (normalization, resize)
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))  # unsqueeze single image into batch of 1

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

Feature Map Extraction

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(
    'eca_halonext26ts.c1_in1k',
    pretrained=True,
    features_only=True,
)
model = model.eval()

# get model specific transforms (normalization, resize)
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))  # unsqueeze single image into batch of 1

for o in output:
    # print shape of each feature map in output
    # e.g.:
    #  torch.Size([1, 64, 128, 128])
    #  torch.Size([1, 256, 64, 64])
    #  torch.Size([1, 512, 32, 32])
    #  torch.Size([1, 1024, 16, 16])
    #  torch.Size([1, 2048, 8, 8])

    print(o.shape)

Image Embeddings

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(
    'eca_halonext26ts.c1_in1k',
    pretrained=True,
    num_classes=0,  # remove classifier nn.Linear
)
model = model.eval()

# get model specific transforms (normalization, resize)
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 is (batch_size, num_features) shaped tensor

# or equivalently (without needing to set num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# output is unpooled, a (1, 2048, 8, 8) shaped tensor

output = model.forward_head(output, pre_logits=True)
# output is a (1, num_features) shaped tensor

Model Comparison

Explore the dataset and runtime metrics of this model in timm model results.

Citation

@misc{rw2019timm,
  author = {Ross Wightman},
  title = {PyTorch Image Models},
  year = {2019},
  publisher = {GitHub},
  journal = {GitHub repository},
  doi = {10.5281/zenodo.4414861},
  howpublished = {\url{https://github.com/huggingface/pytorch-image-models}}
}
@article{Vaswani2021ScalingLS,
  title={Scaling Local Self-Attention for Parameter Efficient Visual Backbones},
  author={Ashish Vaswani and Prajit Ramachandran and A. Srinivas and Niki Parmar and Blake A. Hechtman and Jonathon Shlens},
  journal={2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
  year={2021},
  pages={12889-12899}
}
@inproceedings{wightman2021resnet,
  title={ResNet strikes back: An improved training procedure in timm},
  author={Wightman, Ross and Touvron, Hugo and Jegou, Herve},
  booktitle={NeurIPS 2021 Workshop on ImageNet: Past, Present, and Future}
}
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号