Mobilenet V1 1.0 224

🚀 MobileNet V1

MobileNet V1是一个在ImageNet - 1k数据集上以224x224分辨率预训练的模型。它由Howard等人在论文MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications中提出，并首次在此仓库中发布。该模型可用于图像分类等视觉任务，为移动视觉应用提供了高效的解决方案。

🚀 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 MobileNetV1FeatureExtractor, MobileNetV1ForImageClassification
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

feature_extractor = MobileNetV1FeatureExtractor.from_pretrained("Matthijs/mobilenet_v1_1.0_224")
model = MobileNetV1ForImageClassification.from_pretrained("Matthijs/mobilenet_v1_1.0_224")

inputs = feature_extractor(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：该模型实际上预测1001个类别，即1000个ImageNet类别加上一个额外的“背景”类别（索引为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：

MobileNets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设置。与其他流行的大规模模型（如Inception）类似，它们可用于分类、检测、嵌入和分割等任务。MobileNets可以在移动设备上高效运行 [...] 与文献中的流行模型相比，MobileNets在延迟、模型大小和准确性之间进行了权衡。

📚 详细文档

预期用途和局限性

该模型可用于图像分类任务。你可以在模型中心查找针对你感兴趣的任务进行微调后的版本。

使用方法

上述代码展示了如何使用该模型对图像进行分类。

注意事项

该模型实际预测1001个类别，包含1000个ImageNet类别和一个“背景”类别（索引为0）。目前，特征提取器和模型均支持PyTorch。

📄 许可证

许可证类型：other