Swin Base Patch4 Window7 224 In22k

🚀 大尺寸Swin Transformer模型

Swin Transformer是一种基于Transformer架构的视觉模型。本模型在ImageNet - 21k（包含1400万张图像、21841个类别）数据集上进行预训练，分辨率为224x224。它能够有效处理图像分类和密集识别任务，为视觉领域的研究和应用提供了强大的支持。

🚀 快速开始

Swin Transformer模型在图像分类等视觉任务上表现出色。它通过在更深的层中合并图像块构建分层特征图，并在每个局部窗口内计算自注意力，从而实现了对输入图像大小的线性计算复杂度。这使得它既可以用于图像分类，也可以作为密集识别任务的通用骨干网络。

✨ 主要特性

• 分层特征图构建：Swin Transformer通过在更深的层中合并图像块（灰色部分所示）来构建分层特征图，这有助于模型捕捉不同尺度的图像特征。
• 线性计算复杂度：由于仅在每个局部窗口（红色部分所示）内计算自注意力，该模型对输入图像大小具有线性计算复杂度，相比之前的视觉Transformer模型，在处理大尺寸图像时具有更高的效率。
• 通用骨干网络：可作为图像分类和密集识别任务的通用骨干网络，具有广泛的适用性。

来源

💻 使用示例

基础用法

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

from transformers import AutoImageProcessor, SwinForImageClassification
from PIL import Image
import requests

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

processor = AutoImageProcessor.from_pretrained("microsoft/swin-base-patch4-window7-224-in22k")
model = SwinForImageClassification.from_pretrained("microsoft/swin-base-patch4-window7-224-in22k")

inputs = processor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
# 模型预测1000个ImageNet类别之一
predicted_class_idx = logits.argmax(-1).item()
print("预测类别:", model.config.id2label[predicted_class_idx])

更多代码示例请参考文档。

📚 详细文档

预期用途与限制

你可以使用原始模型进行图像分类任务。若想寻找针对特定任务进行微调的版本，请查看模型中心。

BibTeX引用信息

@article{DBLP:journals/corr/abs-2103-14030,
  author    = {Ze Liu and
               Yutong Lin and
               Yue Cao and
               Han Hu and
               Yixuan Wei and
               Zheng Zhang and
               Stephen Lin and
               Baining Guo},
  title     = {Swin Transformer: Hierarchical Vision Transformer using Shifted Windows},
  journal   = {CoRR},
  volume    = {abs/2103.14030},
  year      = {2021},
  url       = {https://arxiv.org/abs/2103.14030},
  eprinttype = {arXiv},
  eprint    = {2103.14030},
  timestamp = {Thu, 08 Apr 2021 07:53:26 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2103-14030.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

📄 许可证

本模型采用Apache - 2.0许可证。

⚠️ 重要提示

发布Swin Transformer的团队并未为此模型撰写模型卡片，此模型卡片由Hugging Face团队编写。