Mobilenet V1 0.75 192

🚀 MobileNet V1

MobileNet V1是一個在圖像識別領域具有重要價值的模型。它在ImageNet - 1k數據集上以192x192分辨率進行了預訓練，能夠高效地對圖像進行分類，為移動視覺應用提供了強大的支持。

🚀 快速開始

你可以使用這個預訓練的模型對圖像進行分類。以下是使用該模型將COCO 2017數據集中的圖像分類為1000個ImageNet類之一的示例代碼：

from transformers import AutoImageProcessor, AutoModelForImageClassification
from PIL import Image
import requests

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

preprocessor = AutoImageProcessor.from_pretrained("google/mobilenet_v1_0.75_192")
model = AutoModelForImageClassification.from_pretrained("google/mobilenet_v1_0.75_192")

inputs = preprocessor(images=image, return_tensors="pt")

outputs = model(**inputs)
logits = outputs.logits

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

注意：此模型實際上可以預測1001個類別，即1000個ImageNet類別加上一個額外的“背景”類別（索引為0）。目前，特徵提取器和模型都支持PyTorch。

✨ 主要特性

• 輕量級與低延遲：MobileNet V1是小型、低延遲、低功耗的模型，能夠在移動設備上高效運行。
• 多功能性：可用於分類、檢測、嵌入和分割等多種任務，類似於其他流行的大規模模型。
• 性能權衡：在延遲、模型大小和準確性之間進行了權衡，與文獻中的流行模型相比具有優勢。

📚 詳細文檔

模型描述

根據原始README的描述：

MobileNet是為滿足各種用例的資源限制而設計的小型、低延遲、低功耗模型。它們可以像其他流行的大規模模型（如Inception）一樣，用於分類、檢測、嵌入和分割等任務。MobileNet可以在移動設備上高效運行，並且在延遲、大小和準確性之間進行了權衡，與文獻中的流行模型相比具有優勢。

預期用途和限制

你可以使用原始模型進行圖像分類。你可以在模型中心查找針對你感興趣的任務進行微調的版本。

📄 許可證

該模型的許可證為其他類型。