Github
Huggingface
论文ResNet50d.ra2_in1k 项目介绍
ResNet50d.ra2_in1k 是一个基于 ResNet 架构的图像分类模型,它在 ImageNet-1k 数据集上进行了训练。这个模型具有一些独特的特性和改进,使其在图像分类任务中表现出色。
模型架构
ResNet50d.ra2_in1k 模型基于经典的 ResNet 架构,但做了一些改进:
- 使用 ReLU 激活函数
- 采用 3 层 3x3 卷积的 stem 结构,并带有池化层
- 在下采样时使用 2x2 平均池化 + 1x1 卷积的快捷连接
这些改进使得模型能够更好地提取图像特征,提高分类性能。
训练方法
该模型采用了名为 "RA2" 的训练方案,这是一种改进的 RandAugment 数据增强策略。具体训练细节包括:
- 使用 RMSProp 优化器(TensorFlow 1.0 行为)
- 采用指数衰减的学习率调度,并带有预热阶段
- 使用 EMA (指数移动平均)进行权重平均
这种训练方案能够有效提升模型的泛化能力和鲁棒性。
模型性能
ResNet50d.ra2_in1k 模型在 ImageNet-1k 数据集上取得了不错的性能:
- 参数量: 25.6M
- GMACs: 4.4
- 激活值: 11.9M
- 训练图像尺寸: 224 x 224
- 测试图像尺寸: 288 x 288
这些指标表明,该模型在保持较低计算复杂度的同时,仍能实现较好的分类效果。
使用方法
ResNet50d.ra2_in1k 模型可以通过 timm 库轻松调用和使用。它支持多种应用场景:
- 图像分类:直接使用预训练模型进行推理,输出类别概率。
- 特征图提取:获取模型中间层的特征图,用于下游任务。
- 图像嵌入:提取图像的高维特征表示,可用于相似度计算等。
使用时只需几行代码即可完成模型加载、图像预处理和推理过程。
总结
ResNet50d.ra2_in1k 是一个在 ImageNet 数据集上表现优秀的图像分类模型。它结合了改进的 ResNet 架构和先进的训练策略,在保持模型规模适中的同时,实现了较好的分类性能。无论是直接用于图像分类,还是作为特征提取器用于其他视觉任务,这个模型都是一个很好的选择。
