Miewid Msv3

🚀 MiewID - msv3模型

MiewID - msv3是一個用於野生動物個體重識別的特徵提取模型。它基於對比學習，在包含64種陸地和水生野生動物的高質量大型數據集上進行訓練，數據涵蓋了動物的鰭、尾葉、側面和麵部等部位。該模型可用於將個體與真實樣本數據庫進行匹配以實現重識別，其特徵也可用於物種分類檢索。

🚀 快速開始

本模型旨在通過與真實樣本數據庫進行匹配，對不同物種的個體進行重識別。模型特徵也可用於通過檢索進行物種分類。

✨ 主要特性

• 適用範圍廣：可用於64種陸地和水生野生動物的個體重識別。
• 特徵豐富：訓練數據包含動物的鰭、尾葉、側面和麵部等部位。
• 功能多樣：不僅能進行個體重識別，其特徵還可用於物種分類檢索。

📦 安裝指南

文檔未提及安裝步驟，暫不提供。

💻 使用示例

基礎用法

import numpy as np
from PIL import Image
import torch
import torchvision.transforms as transforms
from transformers import AutoModel

model_tag = f"conservationxlabs/miewid-msv3"
model = AutoModel.from_pretrained(model_tag, trust_remote_code=True)

def generate_random_image(height=440, width=440, channels=3):
    random_image = np.random.randint(0, 256, (height, width, channels), dtype=np.uint8)
    return Image.fromarray(random_image)

random_image = generate_random_image()

preprocess = transforms.Compose([
    transforms.Resize((440, 440)),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])

input_tensor = preprocess(random_image)
input_batch = input_tensor.unsqueeze(0) 

with torch.no_grad():
    output = model(input_batch)

print(output)
print(output.shape)

更多示例

查看更多使用示例，請訪問：https://github.com/WildMeOrg/wbia-plugin-miew-id/tree/main/wbia_miew_id/examples

📚 詳細文檔

模型詳情

模型描述

MiewID - msv3是一個使用對比學習在包含64種陸地和水生野生動物的大型高質量數據集上訓練的特徵提取器，數據包含鰭、尾葉、側面和麵部等部位。

• 模型類型：野生動物重識別特徵主幹
• 模型統計信息：
  • 參數（M）：51.11
  • GMACs：24.38
  • 激活值（M）：91.11
  • 圖像大小：440 x 440

模型來源

• 倉庫：https://github.com/WildMeOrg/wbia-plugin-miew-id
• 主幹網絡：https://huggingface.co/timm/efficientnetv2_rw_m.agc_in1k

訓練詳情

訓練數據

用於這些實驗的數據集是Wildbook平臺（多個用戶）的數據、Happywhale Kaggle競賽多物種數據集以及多個公開可用數據集的組合。Wildbook平臺的一小部分數據可在https://lila.science/datasets獲取。

示例圖像

評估結果

🔧 技術細節

文檔未提供詳細技術細節，暫不展示。

📄 許可證

文檔未提及許可證信息，暫不提供。