Swin Base Patch4 Window7 224 In22k

🚀 大尺寸Swin Transformer模型

Swin Transformer是一種基於Transformer架構的視覺模型。本模型在ImageNet - 21k（包含1400萬張圖像、21841個類別）數據集上進行預訓練，分辨率為224x224。它能夠有效處理圖像分類和密集識別任務，為視覺領域的研究和應用提供了強大的支持。

🚀 快速開始

Swin Transformer模型在圖像分類等視覺任務上表現出色。它通過在更深的層中合併圖像塊構建分層特徵圖，並在每個局部窗口內計算自注意力，從而實現了對輸入圖像大小的線性計算複雜度。這使得它既可以用於圖像分類，也可以作為密集識別任務的通用骨幹網絡。

✨ 主要特性

• 分層特徵圖構建：Swin Transformer通過在更深的層中合併圖像塊（灰色部分所示）來構建分層特徵圖，這有助於模型捕捉不同尺度的圖像特徵。
• 線性計算複雜度：由於僅在每個局部窗口（紅色部分所示）內計算自注意力，該模型對輸入圖像大小具有線性計算複雜度，相比之前的視覺Transformer模型，在處理大尺寸圖像時具有更高的效率。
• 通用骨幹網絡：可作為圖像分類和密集識別任務的通用骨幹網絡，具有廣泛的適用性。

來源

💻 使用示例

基礎用法

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

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

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

processor = AutoImageProcessor.from_pretrained("microsoft/swin-base-patch4-window7-224-in22k")
model = SwinForImageClassification.from_pretrained("microsoft/swin-base-patch4-window7-224-in22k")

inputs = processor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
# 模型預測1000個ImageNet類別之一
predicted_class_idx = logits.argmax(-1).item()
print("預測類別:", model.config.id2label[predicted_class_idx])

更多代碼示例請參考文檔。

📚 詳細文檔

預期用途與限制

你可以使用原始模型進行圖像分類任務。若想尋找針對特定任務進行微調的版本，請查看模型中心。

BibTeX引用信息

@article{DBLP:journals/corr/abs-2103-14030,
  author    = {Ze Liu and
               Yutong Lin and
               Yue Cao and
               Han Hu and
               Yixuan Wei and
               Zheng Zhang and
               Stephen Lin and
               Baining Guo},
  title     = {Swin Transformer: Hierarchical Vision Transformer using Shifted Windows},
  journal   = {CoRR},
  volume    = {abs/2103.14030},
  year      = {2021},
  url       = {https://arxiv.org/abs/2103.14030},
  eprinttype = {arXiv},
  eprint    = {2103.14030},
  timestamp = {Thu, 08 Apr 2021 07:53:26 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2103-14030.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

📄 許可證

本模型採用Apache - 2.0許可證。

⚠️ 重要提示

發佈Swin Transformer的團隊並未為此模型撰寫模型卡片，此模型卡片由Hugging Face團隊編寫。