Swin Base Patch4 Window12 384 In22k

🚀 Swin Transformer（大型模型）

Swin Transformer是一種預訓練模型，在ImageNet - 21k（包含1400萬張圖像、21841個類別）數據集上以384x384的分辨率進行訓練。它能有效用於圖像分類等視覺任務，為相關領域研究和應用提供了有力支持。

🚀 快速開始

Swin Transformer模型在ImageNet - 21k（1400萬張圖像，21841個類別）數據集上以384x384分辨率進行了預訓練。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](https://github.com/microsoft/Swin - Transformer) 發佈。

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

✨ 主要特性

• 分層特徵映射：Swin Transformer是一種視覺Transformer，它通過在更深的層中合併圖像塊（灰色部分所示）來構建分層特徵映射。
• 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，它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骨幹網絡。
• 對比優勢：相比之下，之前的視覺Transformer僅產生單一低分辨率的特徵映射，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

預期用途與限制

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數據集中的圖像分類為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-in22k")
model = SwinForImageClassification.from_pretrained("microsoft/swin-base-patch4-window12-384-in22k")

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])

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

本項目採用Apache - 2.0許可證。

信息表格