Mobilenet V2 0.35 96

🚀 MobileNet V2

解像度96x96のImageNet-1kで事前学習されたMobileNet V2モデルです。画像分類タスクに利用できます。

🚀 クイックスタート

MobileNet V2は、画像分類に使用できるモデルです。このモデルは、ImageNet-1kデータセットで事前学習されています。以下に、COCO 2017データセットの画像を1,000のImageNetクラスのいずれかに分類する方法を示します。

✨ 主な機能

• MobileNetsは、さまざまなユースケースのリソース制約を満たすようにパラメータ化された小型で低遅延、低電力のモデルです。
• 分類、検出、埋め込み、セグメンテーションなどのタスクに利用できます。
• モバイルデバイスで効率的に実行できます。

📦 インストール

このモデルを使用するには、transformersライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

from transformers import AutoImageProcessor, AutoModelForImageClassification
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

preprocessor = AutoImageProcessor.from_pretrained("google/mobilenet_v2_0.35_96")
model = AutoModelForImageClassification.from_pretrained("google/mobilenet_v2_0.35_96")

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

outputs = model(**inputs)
logits = outputs.logits

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

注意事項

⚠️ 重要提示

このモデルは実際には1001のクラスを予測します。つまり、ImageNetの1000クラスに加えて、追加の「背景」クラス（インデックス0）があります。

💡 使用建议

現在、特徴抽出器とモデルの両方がPyTorchをサポートしています。

📚 ドキュメント

モデルの説明

元のREADMEからの引用：

MobileNetsは、さまざまなユースケースのリソース制約を満たすようにパラメータ化された小型で低遅延、低電力のモデルです。Inceptionなどの他の人気の大規模モデルと同様に、分類、検出、埋め込み、セグメンテーションなどのタスクに利用できます。MobileNetsは、モバイルデバイスで効率的に実行できます。MobileNetsは、遅延、サイズ、精度のトレードオフを行い、文献上の人気モデルと比較して有利です。

チェックポイントは、mobilenet_v2_depth_sizeという名前が付けられています。たとえば、mobilenet_v2_0.35_96では、0.35は深度乗数で、96はモデルが学習された入力画像の解像度です。

想定される用途と制限

この生モデルは画像分類に使用できます。関心のあるタスクで微調整されたバージョンを探すには、モデルハブを参照してください。

BibTeX引用

@inproceedings{mobilenetv22018,
  title={MobileNetV2: Inverted Residuals and Linear Bottlenecks},
  author={Mark Sandler and Andrew Howard and Menglong Zhu and Andrey Zhmoginov and Liang-Chieh Chen},
  booktitle={CVPR},
  year={2018}
}

📄 ライセンス

Other