Cspdarknet53 Mish

🚀 CSP-Darknet-53 Mish模型

CSP-Darknet-53 Mish模型在ImageNette數據集上進行了預訓練。CSP-Darknet-53 Mish架構在這篇論文中被提出。該模型可用於圖像分類任務，藉助獨特架構和激活函數替換提升性能。

🚀 快速開始

本模型可用於圖像分類任務，藉助獨特架構和激活函數替換提升性能。你可以按照以下步驟使用該模型：

1. 安裝依賴
2. 加載模型
3. 準備輸入圖像
4. 進行推理

✨ 主要特性

• 架構創新：作者的核心思想是在架構中添加跨階段部分塊（cross stage partial blocks）來改變卷積階段，並將激活函數替換為Mish。
• 預訓練模型：在ImageNette數據集上進行了預訓練。

📦 安裝指南

前提條件

安裝Holocron需要Python 3.6（或更高版本）以及pip/conda。

最新穩定版本

你可以使用pypi安裝該包的最新穩定版本，命令如下：

pip install pylocron

或者使用conda安裝：

conda install -c frgfm pylocron

開發模式

如果你希望使用該項目尚未發佈的最新功能，可以從源代碼安裝該包（請先安裝Git）：

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

💻 使用示例

基礎用法

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")

# 預處理
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)

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

📚 詳細文檔

模型描述

作者的核心思想是在架構中添加跨階段部分塊來改變卷積階段，並將激活函數替換為Mish。

數據集

該模型在ImageNette數據集上進行了預訓練。

引用

原論文

@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}
}

本實現的來源

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

📄 許可證

本項目採用Apache-2.0許可證。