Mobilenet V1 1.0 224

🚀 MobileNet V1

MobileNet V1是一個在ImageNet - 1k數據集上以224x224分辨率預訓練的模型。它由Howard等人在論文MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications中提出，並首次在此倉庫中發佈。該模型可用於圖像分類等視覺任務，為移動視覺應用提供了高效的解決方案。

🚀 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 MobileNetV1FeatureExtractor, MobileNetV1ForImageClassification
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 = MobileNetV1FeatureExtractor.from_pretrained("Matthijs/mobilenet_v1_1.0_224")
model = MobileNetV1ForImageClassification.from_pretrained("Matthijs/mobilenet_v1_1.0_224")

inputs = feature_extractor(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：該模型實際上預測1001個類別，即1000個ImageNet類別加上一個額外的“背景”類別（索引為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：

MobileNets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設置。與其他流行的大規模模型（如Inception）類似，它們可用於分類、檢測、嵌入和分割等任務。MobileNets可以在移動設備上高效運行 [...] 與文獻中的流行模型相比，MobileNets在延遲、模型大小和準確性之間進行了權衡。

📚 詳細文檔

預期用途和侷限性

該模型可用於圖像分類任務。你可以在模型中心查找針對你感興趣的任務進行微調後的版本。

使用方法

上述代碼展示瞭如何使用該模型對圖像進行分類。

注意事項

該模型實際預測1001個類別，包含1000個ImageNet類別和一個“背景”類別（索引為0）。目前，特徵提取器和模型均支持PyTorch。

📄 許可證

許可證類型：other