Swin Base Patch4 Window12 384

🚀 Swin Transformer (基礎大小模型)

Swin Transformer 是在 ImageNet-1k 數據集上以 384x384 分辨率訓練的模型。它能有效處理圖像分類等視覺任務，為相關領域研究和應用提供了強大工具。

🚀 快速開始

Swin Transformer 模型在 ImageNet-1k 數據集上以 384x384 分辨率進行訓練。它由 Liu 等人在論文 Swin Transformer: Hierarchical Vision Transformer using Shifted Windows 中提出，並首次在 此倉庫 發佈。

聲明：發佈 Swin Transformer 的團隊並未為此模型編寫模型卡片，此卡片由 Hugging Face 團隊編寫。

✨ 主要特性

Swin Transformer 是一種視覺變換器（Vision Transformer）。它通過在更深的層合併圖像塊（灰色部分所示）來構建分層特徵圖，並且由於僅在每個局部窗口（紅色部分所示）內計算自注意力，因此對輸入圖像大小具有線性計算複雜度。因此，它可以作為圖像分類和密集識別任務的通用主幹網絡。相比之下，之前的視覺變換器僅產生單一低分辨率的特徵圖，並且由於全局計算自注意力，對輸入圖像大小具有二次計算複雜度。

來源

📚 詳細文檔

預期用途和限制

你可以使用原始模型進行圖像分類。請查看 模型中心，以查找針對你感興趣的任務進行微調的版本。

如何使用

以下是如何使用此模型將 COCO 2017 數據集的圖像分類為 1000 個 ImageNet 類別之一的示例：

from transformers import AutoFeatureExtractor, SwinForImageClassification
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 = AutoFeatureExtractor.from_pretrained("microsoft/swin-base-patch4-window12-384")
model = SwinForImageClassification.from_pretrained("microsoft/swin-base-patch4-window12-384")

inputs = feature_extractor(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。

BibTeX 引用和引用信息

@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。