Convnext Large 384 22k 1k

🚀 ConvNeXT (大型モデル)

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誇ります。このモデルは、ImageNet-22kで事前学習され、解像度384x384のImageNet-1kで微調整されています。

🚀 クイックスタート

ConvNeXTは、Vision Transformersの設計に着想を得た純粋な畳み込みモデル（ConvNet）で、それらを上回ると主張されています。著者らはResNetをベースに、Swin Transformerを参考にしてその設計を「現代化」しました。

✨ 主な機能

• 画像分類タスクに適しています。
• Vision Transformersの設計を参考にした純粋な畳み込みモデルで、それらを上回る性能を誇ります。

📦 インストール

このモデルを使用するには、transformers ライブラリをインストールする必要があります。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

以下は、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 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-large-384-22k-1k")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-large-384-22k-1k")

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

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

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

高度な使用法

より多くの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

• モデルの詳細については、論文 A ConvNet for the 2020s を参照してください。
• モデルのコードについては、このリポジトリ を参照してください。

🔧 技術詳細

ConvNeXTは、Vision Transformersの設計に着想を得た純粋な畳み込みモデル（ConvNet）です。著者らはResNetをベースに、Swin Transformerを参考にしてその設計を「現代化」しました。

📄 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}
}