Megadescriptor L 384

🚀 MegaDescriptor-L-384 モデルカード

Swin-L 画像特徴モデルです。動物の再識別データセットで高度に事前学習されています。

🚀 クイックスタート

MegaDescriptor-L-384 は、動物の再識別に特化したSwin-L画像特徴モデルです。事前学習済みのモデルを使用して、画像の埋め込みを取得することができます。

✨ 主な機能

• 動物の再識別に特化した画像特徴抽出
• Swin-Lアーキテクチャを使用した高精度な特徴表現

📦 インストール

このモデルはtimmライブラリを通じて利用できます。以下のコードでモデルをロードできます。

import timm
model = timm.create_model("hf-hub:BVRA/MegaDescriptor-L-384", pretrained=True)

💻 使用例

基本的な使用法

画像の埋め込みを取得する基本的なコード例です。

import timm
import torch
import torchvision.transforms as T

from PIL import Image
from urllib.request import urlopen

model = timm.create_model("hf-hub:BVRA/MegaDescriptor-L-384", pretrained=True)
model = model.eval()

train_transforms = T.Compose([T.Resize(size=(384, 384)),
                              T.ToTensor(), 
                              T.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])]) 

img = Image.open(urlopen(
    'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

output = model(train_transforms(img).unsqueeze(0))  # output is (batch_size, num_features) shaped tensor
# output is a (1, num_features) shaped tensor

📚 ドキュメント

モデル詳細

📄 ライセンス

このモデルはCC BY-NC 4.0ライセンスの下で提供されています。

📖 引用

@inproceedings{vcermak2024wildlifedatasets,
  title={WildlifeDatasets: An open-source toolkit for animal re-identification},
  author={{\v{C}}erm{\'a}k, Vojt{\v{e}}ch and Picek, Lukas and Adam, Luk{\'a}{\v{s}} and Papafitsoros, Kostas},
  booktitle={Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision},
  pages={5953--5963},
  year={2024}
}