Mobilenet V2 0.75 160

🚀 MobileNet V2

MobileNet V2 是一个在 ImageNet-1k 数据集上以 160x160 分辨率预训练的模型。它能够高效地处理图像分类任务，在移动设备等资源受限的场景中表现出色。

🚀 快速开始

你可以使用这个预训练的原始模型进行图像分类。若想寻找在特定任务上微调后的版本，可查看 模型中心。

以下是如何使用该模型将 COCO 2017 数据集中的图像分类为 1000 个 ImageNet 类别之一的示例代码：

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_v2_0.75_160")
model = AutoModelForImageClassification.from_pretrained("google/mobilenet_v2_0.75_160")

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])

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

✨ 主要特性

从 原始 README 可知：

MobileNet 是小型、低延迟、低功耗的模型，可根据各种用例的资源限制进行参数配置。与其他流行的大规模模型（如 Inception）类似，它可用于分类、检测、嵌入和分割等任务。MobileNet 可以在移动设备上高效运行 [...] MobileNet 在延迟、模型大小和准确性之间进行权衡，与文献中的流行模型相比具有优势。

检查点命名为 mobilenet_v2_depth_size，例如 mobilenet_v2_0.75_160，其中 0.75 是深度乘数，160 是模型训练时输入图像的分辨率。

📚 详细文档

BibTeX 引用和引用信息

@inproceedings{mobilenetv22018,
  title={MobileNetV2: Inverted Residuals and Linear Bottlenecks},
  author={Mark Sandler and Andrew Howard and Menglong Zhu and Andrey Zhmoginov and Liang-Chieh Chen},
  booktitle={CVPR},
  year={2018}
}

📄 许可证

许可证类型：other

示例展示

• 老虎
• 茶壶
• 宫殿

免责声明：发布 MobileNet V2 的团队未为此模型编写模型卡片，此模型卡片由 Hugging Face 团队编写。