Mobilenet V1 0.75 192

🚀 MobileNet V1

MobileNet V1是一个在图像识别领域具有重要价值的模型。它在ImageNet - 1k数据集上以192x192分辨率进行了预训练，能够高效地对图像进行分类，为移动视觉应用提供了强大的支持。

🚀 快速开始

你可以使用这个预训练的模型对图像进行分类。以下是使用该模型将COCO 2017数据集中的图像分类为1000个ImageNet类之一的示例代码：

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)

preprocessor = AutoImageProcessor.from_pretrained("google/mobilenet_v1_0.75_192")
model = AutoModelForImageClassification.from_pretrained("google/mobilenet_v1_0.75_192")

inputs = preprocessor(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])

注意：此模型实际上可以预测1001个类别，即1000个ImageNet类别加上一个额外的“背景”类别（索引为0）。目前，特征提取器和模型都支持PyTorch。

✨ 主要特性

• 轻量级与低延迟：MobileNet V1是小型、低延迟、低功耗的模型，能够在移动设备上高效运行。
• 多功能性：可用于分类、检测、嵌入和分割等多种任务，类似于其他流行的大规模模型。
• 性能权衡：在延迟、模型大小和准确性之间进行了权衡，与文献中的流行模型相比具有优势。

📚 详细文档

模型描述

根据原始README的描述：

MobileNet是为满足各种用例的资源限制而设计的小型、低延迟、低功耗模型。它们可以像其他流行的大规模模型（如Inception）一样，用于分类、检测、嵌入和分割等任务。MobileNet可以在移动设备上高效运行，并且在延迟、大小和准确性之间进行了权衡，与文献中的流行模型相比具有优势。

预期用途和限制

你可以使用原始模型进行图像分类。你可以在模型中心查找针对你感兴趣的任务进行微调的版本。

📄 许可证

该模型的许可证为其他类型。