Convnext Xlarge 224 22k

🚀 ConvNeXT (xlargeサイズのモデル)

ConvNeXTは、224x224の解像度でImageNet - 22kデータセットを用いて学習されたモデルです。このモデルは、Liuらによる論文 A ConvNet for the 2020s で導入され、このリポジトリ で最初に公開されました。

免責事項: ConvNeXTを公開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。

🚀 クイックスタート

ConvNeXTは、Vision Transformersの設計にインスパイアされた純粋な畳み込みモデル（ConvNet）で、それらを上回る性能を主張しています。著者らはResNetをベースに、Swin Transformerを参考にしてその設計を「近代化」しました。

✨ 主な機能

画像分類

生のモデルを使用して画像分類を行うことができます。興味のあるタスクで微調整されたバージョンを モデルハブ で探すことができます。

📦 インストール

このセクションでは、具体的なインストール手順が提供されていないため、省略します。

💻 使用例

基本的な使用法

from transformers import ConvNextFeatureExtractor, ConvNextForImageClassification
import torch
from datasets import load_dataset

dataset = load_dataset("huggingface/cats-image")
image = dataset["test"]["image"][0]

feature_extractor = ConvNextFeatureExtractor.from_pretrained("facebook/convnext-xlarge-224-22k")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-xlarge-224-22k")

inputs = feature_extractor(image, return_tensors="pt")

with torch.no_grad():
    logits = model(**inputs).logits

# model predicts one of the 22k ImageNet classes
predicted_label = logits.argmax(-1).item()
print(model.config.id2label[predicted_label]),

高度な使用法

詳細なコード例については、ドキュメント を参照してください。

📚 ドキュメント

モデルの説明

ConvNeXTは、Vision Transformersの設計にインスパイアされた純粋な畳み込みモデル（ConvNet）で、それらを上回る性能を主張しています。著者らはResNetをベースに、Swin Transformerを参考にしてその設計を「近代化」しました。

意図された用途と制限

生のモデルを画像分類に使用することができます。興味のあるタスクで微調整されたバージョンを モデルハブ で探すことができます。

🔧 技術詳細

このセクションでは、具体的な技術詳細が提供されていないため、省略します。

📄 ライセンス

このモデルは、Apache - 2.0ライセンスの下で提供されています。

BibTeXエントリと引用情報

@article{DBLP:journals/corr/abs-2201-03545,
  author    = {Zhuang Liu and
               Hanzi Mao and
               Chao{-}Yuan Wu and
               Christoph Feichtenhofer and
               Trevor Darrell and
               Saining Xie},
  title     = {A ConvNet for the 2020s},
  journal   = {CoRR},
  volume    = {abs/2201.03545},
  year      = {2022},
  url       = {https://arxiv.org/abs/2201.03545},
  eprinttype = {arXiv},
  eprint    = {2201.03545},
  timestamp = {Thu, 20 Jan 2022 14:21:35 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2201-03545.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}