Swin Tiny Patch4 Window7 224

🚀 Swin Transformer (微型模型)

Swin Transformer是在ImageNet - 1k數據集上以224x224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](https://github.com/microsoft/Swin - Transformer) 中發佈。

聲明：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。

✨ 主要特性

• Swin Transformer屬於視覺Transformer的一種，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。
• 由於僅在每個局部窗口（紅色部分）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。
• 它可以作為圖像分類和密集識別任務的通用主幹網絡。
• 與之前的視覺Transformer不同，Swin Transformer能生成不同分辨率的特徵圖，且計算複雜度更低。

來源

🚀 快速開始

你可以使用該原始模型進行圖像分類。前往 模型中心 查找針對你感興趣任務的微調版本。

💻 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到1000個ImageNet類別之一的示例：

from transformers import AutoImageProcessor, AutoModelForImageClassification
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-tiny-patch4-window7-224")
model = AutoModelForImageClassification.from_pretrained("microsoft/swin-tiny-patch4-window7-224")

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("Predicted class:", model.config.id2label[predicted_class_idx])

更多代碼示例，請參考 文檔。

📚 詳細文檔

模型描述

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）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，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。

預期用途和限制

你可以使用原始模型進行圖像分類。可在 模型中心 查找針對你感興趣任務的微調版本。

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。