Rexnet1 3x

🚀 ReXNet-1.3x模型

該模型在野火二分類數據集上進行了預訓練（數據集即將公開分享），ReXNet架構在這篇論文中被提出。

🚀 快速開始

ReXNet-1.3x 模型是一個在野火二分類數據集上預訓練的模型，可用於圖像分類任務。下面將為你介紹該模型的安裝和使用方法。

✨ 主要特性

• 創新架構：作者的核心思想是在殘差塊中添加自定義的擠壓 - 激勵（Squeeze - Excitation）層，以防止通道冗餘。
• 多環境支持：支持使用 PyPI 和 Conda 進行安裝，也支持從源代碼安裝。

📦 安裝指南

前提條件

安裝 PyroVision 需要 Python 3.6（或更高版本）以及 pip 或 conda。

最新穩定版本

你可以使用 pypi 安裝該包的最新穩定版本，命令如下：

pip install pyrovision

或者使用 conda 進行安裝：

conda install -c pyronear pyrovision

開發模式

如果你想使用該項目中尚未發佈的最新功能，可以從源代碼安裝該包（需先安裝 Git）：

git clone https://github.com/pyronear/pyro-vision.git
pip install -e pyro-vision/.

💻 使用示例

基礎用法

from PIL import Image
from torchvision.transforms import Compose, ConvertImageDtype, Normalize, PILToTensor, Resize
from torchvision.transforms.functional import InterpolationMode
from pyrovision.models import model_from_hf_hub

model = model_from_hf_hub("pyronear/rexnet1_3x").eval()

img = Image.open(path_to_an_image).convert("RGB")

# 預處理
config = model.default_cfg
transform = Compose([
    Resize(config['input_shape'][1:], interpolation=InterpolationMode.BILINEAR),
    PILToTensor(),
    ConvertImageDtype(torch.float32),
    Normalize(config['mean'], config['std'])
])

input_tensor = transform(img).unsqueeze(0)

# 推理
with torch.inference_mode():
    output = model(input_tensor)
probs = output.squeeze(0).softmax(dim=0)

📄 許可證

本項目採用 Apache - 2.0 許可證。

📚 詳細文檔

引用信息

原論文

@article{DBLP:journals/corr/abs-2007-00992,
  author    = {Dongyoon Han and
               Sangdoo Yun and
               Byeongho Heo and
               Young Joon Yoo},
  title     = {ReXNet: Diminishing Representational Bottleneck on Convolutional Neural
               Network},
  journal   = {CoRR},
  volume    = {abs/2007.00992},
  year      = {2020},
  url       = {https://arxiv.org/abs/2007.00992},
  eprinttype = {arXiv},
  eprint    = {2007.00992},
  timestamp = {Mon, 06 Jul 2020 15:26:01 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2007-00992.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

本實現的來源

@software{Fernandez_Holocron_2020,
author = {Fernandez, François - Guillaume},
month = {5},
title = {{Holocron}},
url = {https://github.com/frgfm/Holocron},
year = {2020}
}

模型信息