Mobilenet V2 1.4 224

🚀 MobileNet V2

解像度224x224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モデルは、解像度224x224のImageNet-1kで事前学習されています。このモデルは、Mark Sandler、Andrew Howard、Menglong Zhu、Andrey Zhmoginov、Liang-Chieh Chenによる MobileNetV2: Inverted Residuals and Linear Bottlenecks で紹介され、最初は このリポジトリ で公開されました。

なお、MobileNet V2をリリースしたチームはこのモデルのモデルカードを作成していないため、このモデルカードはHugging Faceチームによって作成されています。

✨ 主な機能

モデルの説明

元のREADME からの引用：

MobileNetは、さまざまなユースケースのリソース制約を満たすためにパラメータ化された、小型で低レイテンシー、低電力のモデルです。他の人気の大規模モデル（Inceptionなど）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。MobileNetはモバイルデバイスでも効率的に実行できます。MobileNetは、レイテンシー、サイズ、精度のトレードオフを考慮しており、文献上の人気モデルと比較しても良好な性能を示します。

チェックポイントは mobilenet_v2_depth_size という名前で付けられています。例えば mobilenet_v2_1.0_224 では、1.0 は深度乗数、224 はモデルが学習された入力画像の解像度を表します。

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。興味のあるタスクに関するファインチューニング済みのバージョンを探すには、モデルハブ を参照してください。

💻 使用例

基本的な使用法

以下は、このモデルを使用して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です。

from transformers import MobileNetV2FeatureExtractor, MobileNetV2ForImageClassification
from PIL import Image
import requests

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

feature_extractor = MobileNetV2FeatureExtractor.from_pretrained("Matthijs/mobilenet_v2_1.0_224")
model = MobileNetV2ForImageClassification.from_pretrained("Matthijs/mobilenet_v2_1.0_224")

inputs = feature_extractor(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])

⚠️ 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。これは、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）を含んでいます。

💡 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。

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

ライセンスはOtherです。

モデル情報

ウィジェット例

• Tiger
• Teapot
• Palace