Rexnet1 3x

🚀 ReXNet-1.3xモデル

このモデルはImageNetteで事前学習されています。ReXNetアーキテクチャはこの論文で紹介されました。

🚀 クイックスタート

ReXNet-1.3xモデルは画像分類タスクに使用できる事前学習済みモデルです。このモデルは、画像データセットで学習され、高精度な画像分類を行うことができます。

✨ 主な機能

• 残差ブロックにカスタマイズされたSqueeze-Excitation層を追加することで、チャネルの冗長性を防ぐことができます。
• 事前学習済みのモデルを使用することで、画像分類タスクの精度を向上させることができます。

📦 インストール

前提条件

Holocronをインストールするには、Python 3.6（またはそれ以上）とpip/condaが必要です。

最新の安定版

pypiを使用して、パッケージの最後の安定版をインストールできます。

pip install pylocron

または、condaを使用してインストールすることもできます。

conda install -c frgfm pylocron

開発者モード

また、まだリリースされていないプロジェクトの最新機能を使用したい場合は、ソースからパッケージをインストールすることができます（最初にGitをインストールしてください）。

git clone https://github.com/frgfm/Holocron.git
pip install -e Holocron/.

💻 使用例

基本的な使用法

from PIL import Image
from torchvision.transforms import Compose, ConvertImageDtype, Normalize, PILToTensor, Resize
from torchvision.transforms.functional import InterpolationMode
from holocron.models import model_from_hf_hub

model = model_from_hf_hub("frgfm/rexnet1_3x").eval()

img = Image.open(path_to_an_image).convert("RGB")

# 前処理
config = model.default_cfg
transform = Compose([
    Resize(config['input_shape'][1:], interpolation=InterpolationMode.BILINEAR),
    PILToTensor(),
    ConvertImageDtype(torch.float32),
    Normalize(config['mean'], config['std'])
])

input_tensor = transform(img).unsqueeze(0)

# 推論
with torch.inference_mode():
    output = model(input_tensor)
probs = output.squeeze(0).softmax(dim=0)

📚 ドキュメント

モデルの説明

著者の核心的なアイデアは、残差ブロックにカスタマイズされたSqueeze-Excitation層を追加することで、チャネルの冗長性を防ぐことです。

📄 ライセンス

このプロジェクトはApache-2.0ライセンスの下で公開されています。

引用

元の論文

@article{DBLP:journals/corr/abs-2007-00992,
  author    = {Dongyoon Han and
               Sangdoo Yun and
               Byeongho Heo and
               Young Joon Yoo},
  title     = {ReXNet: Diminishing Representational Bottleneck on Convolutional Neural
               Network},
  journal   = {CoRR},
  volume    = {abs/2007.00992},
  year      = {2020},
  url       = {https://arxiv.org/abs/2007.00992},
  eprinttype = {arXiv},
  eprint    = {2007.00992},
  timestamp = {Mon, 06 Jul 2020 15:26:01 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2007-00992.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

この実装のソース

@software{Fernandez_Holocron_2020,
author = {Fernandez, François-Guillaume},
month = {5},
title = {{Holocron}},
url = {https://github.com/frgfm/Holocron},
year = {2020}
}