Swin Large Patch4 Window12 384

🚀 Swin Transformer（大型模型）

Swin Transformer是一個在ImageNet - 1k數據集上以384x384分辨率訓練的模型。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。

⚠️ 重要提示 該模型的原團隊並未編寫模型卡片，此模型卡片由Hugging Face團隊編寫。

✨ 主要特性

Swin Transformer是一種視覺Transformer模型。它通過在更深的層中合併圖像塊（灰色部分）來構建分層特徵圖，並且由於僅在每個局部窗口（紅色部分）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。這使得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Transformer只能生成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

🚀 快速開始

你可以使用該原始模型進行圖像分類。你可以在 模型中心 中查找針對你感興趣的任務進行微調的版本。

💻 使用示例

基礎用法

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：

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-large-patch4-window12-384")
model = SwinForImageClassification.from_pretrained("microsoft/swin-large-patch4-window12-3844")

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。

📚 詳細文檔

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。