Miewid Msv2

🚀 MiewID - msv2 模型

MiewID - msv2 是一個野生動物特徵提取模型，通過對比學習在大規模、高質量的野生動物數據集上進行訓練，可用於不同物種個體的重新識別，還能用於物種分類。

🚀 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新識別。模型特徵也可用於通過檢索進行物種分類。

✨ 主要特性

• 多物種適用：在包含 54 種陸地和水生野生動物的大規模高質量數據集上訓練，包括鰭、尾鰭、側面、面部等特徵。
• 特徵強大：可作為野生動物重新識別的特徵骨幹，提取的特徵可用於個體重新識別和物種分類。

📦 安裝指南

文檔未提及具體安裝步驟，可參考模型倉庫中的說明進行安裝：https://github.com/WildMeOrg/wbia - plugin - miew - id

💻 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-msv2"
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 - msv2 是一個特徵提取器，通過對比學習在包含 54 種陸地和水生野生動物的大規模高質量數據集上進行訓練，可用於重新識別，數據集涵蓋鰭、尾鰭、側面、面部等特徵。

模型來源

• 倉庫：https://github.com/WildMeOrg/wbia - plugin - miew - id
• 骨幹網絡：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 競賽的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 找到。

示例圖像

評估結果

多物種模型相比單物種訓練的模型有顯著改進。此外，當以留一法進行訓練和評估時，該模型對大多數物種表現出較強的泛化能力。