efficientnet_b1.ft_in1k - 基于ImageNet-1k微调的EfficientNet图像分类模型

EfficientNet_B1.ft_in1k 项目介绍

项目背景

EfficientNet_B1.ft_in1k 是一个图像分类模型，属于EfficientNet系列。这一模型是通过在大规模图像数据集ImageNet-1k上的微调，将原本在TensorFlow中使用的"SAME"填充权重转换为可在PyTorch中使用的版本。此模型旨在提供高效且准确的图像分类功能，适用于各种图像识别任务。

模型特点

模型类型： 图像分类/特征骨干网络
参数统计：
- 参数量（百万）：7.8M
- GMACs（每秒十亿次乘法累加运算）：0.6
- 活动（百万）：9.4M
- 图像尺寸：训练时为224 x 224，测试时为256 x 256
研究论文：
- EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks

数据集

EfficientNet_B1.ft_in1k 模型使用ImageNet-1k数据集进行训练和验证。这个数据集包含了大量的标记图像，广泛应用于图像分类的研究和开发中。

模型使用方法

图像分类

通过以下Python代码，可加载并运行EfficientNet_B1模型进行图像分类：

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('efficientnet_b1.ft_in1k', pretrained=True)
model = model.eval()

# 获取模型特定的转换（归一化、调整大小）
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))  # 将单个图像扩展为一个批次

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

特征图提取

该模型还支持从图像中提取特征图，适合用于进一步的视觉分析：

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(
    'efficientnet_b1.ft_in1k',
    pretrained=True,
    features_only=True,
)
model = model.eval()

# 获取模型特定的转换（归一化、调整大小）
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))  # 将单个图像扩展为一个批次

for o in output:
    print(o.shape)

图像嵌入

模型还支持生成图像嵌入，其以特征向量的形式表示图像：

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(
    'efficientnet_b1.ft_in1k',
    pretrained=True,
    num_classes=0,  # 去除分类器nn.Linear
)
model = model.eval()

# 获取模型特定的转换（归一化、调整大小）
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)

模型比较

EfficientNet_B1是当前主流图像分类模型之一，用户可以在timm的模型结果页面中探索其与其他模型的数据和运行时性能比较。

引用

若希望进一步研究，请参考以下文献：

@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}}
}

@inproceedings{tan2019efficientnet,
  title={Efficientnet: Rethinking model scaling for convolutional neural networks},
  author={Tan, Mingxing and Le, Quoc},
  booktitle={International conference on machine learning},
  pages={6105--6114},
  year={2019},
  organization={PMLR}
}

总之，EfficientNet_B1.ft_in1k是一个功能强大的模型，能够在保证高效性的同时，实现出色的图像分类性能。适用于各种需要图像识别和特征提取的场合。