Mobilenet V2 0.75 160

🚀 MobileNet V2

MobileNet V2 是一個在 ImageNet-1k 數據集上以 160x160 分辨率預訓練的模型。它能夠高效地處理圖像分類任務，在移動設備等資源受限的場景中表現出色。

🚀 快速開始

你可以使用這個預訓練的原始模型進行圖像分類。若想尋找在特定任務上微調後的版本，可查看 模型中心。

以下是如何使用該模型將 COCO 2017 數據集中的圖像分類為 1000 個 ImageNet 類別之一的示例代碼：

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_v2_0.75_160")
model = AutoModelForImageClassification.from_pretrained("google/mobilenet_v2_0.75_160")

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])

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

✨ 主要特性

從 原始 README 可知：

MobileNet 是小型、低延遲、低功耗的模型，可根據各種用例的資源限制進行參數配置。與其他流行的大規模模型（如 Inception）類似，它可用於分類、檢測、嵌入和分割等任務。MobileNet 可以在移動設備上高效運行 [...] MobileNet 在延遲、模型大小和準確性之間進行權衡，與文獻中的流行模型相比具有優勢。

檢查點命名為 mobilenet_v2_depth_size，例如 mobilenet_v2_0.75_160，其中 0.75 是深度乘數，160 是模型訓練時輸入圖像的分辨率。

📚 詳細文檔

BibTeX 引用和引用信息

@inproceedings{mobilenetv22018,
  title={MobileNetV2: Inverted Residuals and Linear Bottlenecks},
  author={Mark Sandler and Andrew Howard and Menglong Zhu and Andrey Zhmoginov and Liang-Chieh Chen},
  booktitle={CVPR},
  year={2018}
}

📄 許可證

許可證類型：other

示例展示

• 老虎
• 茶壺
• 宮殿

免責聲明：發佈 MobileNet V2 的團隊未為此模型編寫模型卡片，此模型卡片由 Hugging Face 團隊編寫。