Mobilenet V1 1.0 224

🚀 MobileNet V1

MobileNet V1是一个在图像分类领域表现出色的模型。它在ImageNet - 1k数据集上以224x224分辨率进行了预训练，能够高效地处理图像分类任务，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原始模型进行图像分类。若想寻找针对特定任务微调后的版本，可以查看模型中心。

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_1.0_224")
model = AutoModelForImageClassification.from_pretrained("google/mobilenet_v1_1.0_224")

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

该模型实际上会预测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

• 轻量级设计：MobileNet V1是小型、低延迟、低功耗的模型，能够根据各种用例的资源限制进行参数调整。
• 多功能性：可用于分类、检测、嵌入和分割等任务，类似于其他流行的大规模模型（如Inception）。
• 高效性：能够在移动设备上高效运行，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。

📚 详细文档

模型描述

根据原始README的描述：

MobileNet是小型、低延迟、低功耗的模型，其参数可根据各种用例的资源限制进行调整。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 [...] 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。

📄 许可证

该模型使用其他许可证。

示例展示

• 老虎
• 茶壶
• 宫殿

相关信息