Mobilevitv2 1.0 Imagenet1k 256

🚀 MobileViTv2 (mobilevitv2-1.0-imagenet1k-256)

MobileViTv2是一款用於圖像分類的模型，它是MobileViT的第二代版本，在圖像分類任務上有著出色的表現。

🚀 快速開始

MobileViTv2是MobileViT的第二個版本。它由Sachin Mehta和Mohammad Rastegari在論文Separable Self-attention for Mobile Vision Transformers中提出，並首次在此倉庫發佈。該模型使用的許可證是Apple sample code license。

免責聲明：發佈MobileViT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

模型描述

MobileViTv2通過將MobileViT中的多頭自注意力機制替換為可分離自注意力機制構建而成。

預期用途和侷限性

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。

💻 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為1000個ImageNet類別之一的示例：

from transformers import MobileViTImageProcessor, MobileViTV2ForImageClassification
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 = MobileViTImageProcessor.from_pretrained("shehan97/mobilevitv2-1.0-imagenet1k-256")
model = MobileViTV2ForImageClassification.from_pretrained("shehan97/mobilevitv2-1.0-imagenet1k-256")

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])

目前，特徵提取器和模型都支持PyTorch。

📚 詳細文檔

訓練數據

MobileViT模型在ImageNet-1k上進行了預訓練，這是一個包含100萬張圖像和1000個類別的數據集。

BibTeX引用和引用信息

@inproceedings{vision-transformer,
title = {Separable Self-attention for Mobile Vision Transformers},
author = {Sachin Mehta and Mohammad Rastegari},
year = {2022},
URL = {https://arxiv.org/abs/2206.02680}
}

📄 許可證

該模型使用的許可證是 Apple sample code license。

📦 模型信息