Mobilenet V1 1.0 224

🚀 MobileNet V1

MobileNet V1是一個在圖像分類領域表現出色的模型。它在ImageNet - 1k數據集上以224x224分辨率進行了預訓練，能夠高效地處理圖像分類任務，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原始模型進行圖像分類。若想尋找針對特定任務微調後的版本，可以查看模型中心。

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_1.0_224")
model = AutoModelForImageClassification.from_pretrained("google/mobilenet_v1_1.0_224")

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

該模型實際上會預測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

• 輕量級設計：MobileNet V1是小型、低延遲、低功耗的模型，能夠根據各種用例的資源限制進行參數調整。
• 多功能性：可用於分類、檢測、嵌入和分割等任務，類似於其他流行的大規模模型（如Inception）。
• 高效性：能夠在移動設備上高效運行，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。

📚 詳細文檔

模型描述

根據原始README的描述：

MobileNet是小型、低延遲、低功耗的模型，其參數可根據各種用例的資源限制進行調整。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 [...] 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。

📄 許可證

該模型使用其他許可證。

示例展示

• 老虎
• 茶壺
• 宮殿

相關信息