🚀 hiera_abswin_base_mim模型卡片
這是一個採用絕對窗口位置嵌入策略的Hiera圖像編碼器,通過掩碼圖像建模(MIM)進行預訓練。該模型未針對特定分類任務進行微調,旨在作為通用特徵提取器或用於下游任務(如目標檢測、分割或自定義分類)的骨幹網絡。
🚀 快速開始
此模型可作為通用特徵提取器或下游任務的骨幹網絡。你可以按照以下使用示例進行操作。
✨ 主要特性
- 採用絕對窗口位置嵌入策略的圖像編碼器。
- 通過掩碼圖像建模(MIM)進行預訓練。
- 未針對特定分類任務進行微調,適用於通用特徵提取和下游任務。
📚 詳細文檔
模型詳情
💻 使用示例
基礎用法
圖像嵌入
import birder
from birder.inference.classification import infer_image
(net, model_info) = birder.load_pretrained_model("hiera_abswin_base_mim", inference=True)
size = birder.get_size_from_signature(model_info.signature)
transform = birder.classification_transform(size, model_info.rgb_stats)
image = "path/to/image.jpeg"
(out, embedding) = infer_image(net, image, transform, return_embedding=True)
檢測特徵圖
from PIL import Image
import birder
(net, model_info) = birder.load_pretrained_model("hiera_abswin_base_mim", inference=True)
size = birder.get_size_from_signature(model_info.signature)
transform = birder.classification_transform(size, model_info.rgb_stats)
image = Image.open("path/to/image.jpeg")
features = net.detection_features(transform(image).unsqueeze(0))
print([(k, v.size()) for k, v in features.items()])
📄 許可證
本模型採用Apache 2.0許可證。
📖 引用
@misc{ryali2023hierahierarchicalvisiontransformer,
title={Hiera: A Hierarchical Vision Transformer without the Bells-and-Whistles},
author={Chaitanya Ryali and Yuan-Ting Hu and Daniel Bolya and Chen Wei and Haoqi Fan and Po-Yao Huang and Vaibhav Aggarwal and Arkabandhu Chowdhury and Omid Poursaeed and Judy Hoffman and Jitendra Malik and Yanghao Li and Christoph Feichtenhofer},
year={2023},
eprint={2306.00989},
archivePrefix={arXiv},
primaryClass={cs.CV},
url={https://arxiv.org/abs/2306.00989},
}
@misc{bolya2023windowattentionbuggedinterpolate,
title={Window Attention is Bugged: How not to Interpolate Position Embeddings},
author={Daniel Bolya and Chaitanya Ryali and Judy Hoffman and Christoph Feichtenhofer},
year={2023},
eprint={2311.05613},
archivePrefix={arXiv},
primaryClass={cs.CV},
url={https://arxiv.org/abs/2311.05613},
}