Vit Msn Large 7

🚀 視覺變換器（大尺寸模型），使用MSN方法預訓練（補丁尺寸為7）

本項目是使用MSN方法預訓練的視覺變換器（ViT）模型，可用於圖像特徵提取和下游任務，在少樣本場景下表現出色。

🚀 快速開始

本模型是使用MSN方法預訓練的視覺變換器（ViT）模型。它首次在Mahmoud Assran、Mathilde Caron、Ishan Misra、Piotr Bojanowski、Florian Bordes、Pascal Vincent、Armand Joulin、Michael Rabbat、Nicolas Ballas等人撰寫的論文 Masked Siamese Networks for Label-Efficient Learning 中被提出，並首次在 此倉庫 中發佈。

聲明：發佈MSN的團隊並未為此模型編寫模型卡片，此模型卡片由Hugging Face團隊編寫。

✨ 主要特性

模型描述

視覺變換器（ViT）是一種基於Transformer編碼器的模型（類似BERT）。圖像以固定大小的補丁序列形式輸入到模型中。

MSN提出了一種聯合嵌入架構，用於匹配掩碼補丁和未掩碼補丁的原型。通過這種設置，該方法在少樣本和極端少樣本情況下表現出色。

通過對模型進行預訓練，它可以學習圖像的內部表示，這些表示可用於提取對下游任務有用的特徵：例如，如果您有一個帶標籤的圖像數據集，您可以在預訓練的編碼器之上添加一個線性層，訓練一個標準的分類器。

預期用途和限制

您可以將原始模型用於圖像分類等下游任務。請查看 模型中心 以查找您感興趣的不同版本的MSN預訓練模型。當您的訓練集中只有少量帶標籤的樣本時，該模型特別有用。

📦 安裝指南

文檔未提及安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

以下是如何使用此骨幹編碼器的示例：

from transformers import AutoFeatureExtractor, ViTMSNModel
import torch
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

feature_extractor = AutoFeatureExtractor.from_pretrained("facebook/vit-msn-large-7")
model = ViTMSNModel.from_pretrained("facebook/vit-msn-large-7")
inputs = feature_extractor(images=image, return_tensors="pt")
with torch.no_grad():
    outputs = model(**inputs)
last_hidden_states = outputs.last_hidden_state

高級用法

若要在圖像分類任務上進行微調，請使用 ViTMSNForImageClassification 類：

from transformers import AutoFeatureExtractor, ViTMSNForImageClassification
import torch
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

feature_extractor = AutoFeatureExtractor.from_pretrained("facebook/vit-msn-large-7")
model = ViTMSNForImageClassification.from_pretrained("facebook/vit-msn-large-7")

...

📚 詳細文檔

引用

@article{assran2022masked,
  title={Masked Siamese Networks for Label-Efficient Learning}, 
  author={Assran, Mahmoud, and Caron, Mathilde, and Misra, Ishan, and Bojanowski, Piotr, and Bordes, Florian and Vincent, Pascal, and Joulin, Armand, and Rabbat, Michael, and Ballas, Nicolas},
  journal={arXiv preprint arXiv:2204.07141},
  year={2022}
}

📄 許可證

本項目採用Apache 2.0許可證。