Github
Huggingface
论文efficientnetv2_rw_s.ra2_in1k项目介绍
项目概述
efficientnetv2_rw_s.ra2_in1k是一个基于EfficientNet-v2架构的图像分类模型。这是一个由timm库特别定制的变体,在ImageNet-1k数据集上进行了训练。该模型采用了特定的训练配方,包括RandAugment数据增强、RMSProp优化器和步进学习率调度等技术,旨在提高模型的性能和训练效率。
模型特点
该模型具有以下主要特点:
- 模型类型:图像分类/特征提取骨干网络
- 参数量:2390万
- 计算量:4.9 GMACs
- 激活量:2140万
- 图像尺寸:训练时288x288,测试时384x384
这些指标表明,该模型在保持较小规模的同时,仍能提供出色的性能。
训练细节
模型的训练采用了以下策略:
- 使用RandAugment
RA2数据增强方法,这是受EfficientNet启发并进化而来的技术。 - 采用RMSProp优化器(TensorFlow 1.0行为),并使用EMA权重平均。
- 学习率采用步进衰减(带预热)的调度方式。
这些训练技巧的组合有助于提高模型的泛化能力和训练效率。
使用方法
该模型可以用于多种图像相关任务:
- 图像分类:可以直接用于预测图像的类别。
- 特征图提取:可以提取不同层级的特征图,用于下游任务。
- 图像嵌入:可以生成图像的高维特征表示。
使用timm库可以非常方便地加载和使用这个预训练模型,只需几行代码即可完成上述任务。
模型比较
用户可以在timm的模型结果页面中比较该模型与其他模型在数据集表现和运行时间等指标上的差异,以便选择最适合自己需求的模型。
总结
efficientnetv2_rw_s.ra2_in1k是一个在ImageNet-1k数据集上训练的高效图像分类模型。它结合了EfficientNet-v2的架构优势和先进的训练技术,在保持模型规模较小的同时,提供了出色的性能。无论是用于图像分类、特征提取还是生成图像嵌入,这个模型都是一个值得考虑的选择。
