Cspdarknet53 Mish

🚀 CSP-Darknet-53 Mishモデル

このモデルはImageNetteで事前学習されています。CSP-Darknet-53 Mishアーキテクチャはこの論文で導入されました。

🚀 クイックスタート

このモデルは画像分類タスクに使用でき、事前学習済みの重みを持っています。以下のセクションでは、インストール方法と使用方法を説明します。

✨ 主な機能

• ImageNetteデータセットで事前学習された画像分類モデル。
• CSP-Darknet-53 Mishアーキテクチャを採用し、クロスステージ部分ブロックとMish活性化関数を使用。

📦 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。

最新の安定リリース

pypiを使用して、パッケージの最後の安定リリースを以下のように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（まず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/cspdarknet53_mish").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、アーキテクチャにクロスステージ部分ブロックを追加して畳み込みステージを変更し、活性化関数をMishに置き換えることです。

📄 ライセンス

このプロジェクトはApache-2.0ライセンスの下で提供されています。

🔧 引用

元の論文

@article{DBLP:journals/corr/abs-1911-11929,
  author    = {Chien{-}Yao Wang and
               Hong{-}Yuan Mark Liao and
               I{-}Hau Yeh and
               Yueh{-}Hua Wu and
               Ping{-}Yang Chen and
               Jun{-}Wei Hsieh},
  title     = {CSPNet: {A} New Backbone that can Enhance Learning Capability of {CNN}},
  journal   = {CoRR},
  volume    = {abs/1911.11929},
  year      = {2019},
  url       = {http://arxiv.org/abs/1911.11929},
  eprinttype = {arXiv},
  eprint    = {1911.11929},
  timestamp = {Tue, 03 Dec 2019 20:41:07 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1911-11929.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}
}

情報テーブル