Swin Base Patch4 Window12 384 In22k

🚀 Swin Transformer（大型模型）

Swin Transformer是一种预训练模型，在ImageNet - 21k（包含1400万张图像、21841个类别）数据集上以384x384的分辨率进行训练。它能有效用于图像分类等视觉任务，为相关领域研究和应用提供了有力支持。

🚀 快速开始

Swin Transformer模型在ImageNet - 21k（1400万张图像，21841个类别）数据集上以384x384分辨率进行了预训练。它由Liu等人在论文 Swin Transformer: Hierarchical Vision Transformer using Shifted Windows 中提出，并首次在 [此仓库](https://github.com/microsoft/Swin - Transformer) 发布。

免责声明：发布Swin Transformer的团队并未为此模型编写模型卡片，此模型卡片由Hugging Face团队编写。

✨ 主要特性

• 分层特征映射：Swin Transformer是一种视觉Transformer，它通过在更深的层中合并图像块（灰色部分所示）来构建分层特征映射。
• 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，它对输入图像大小具有线性计算复杂度。因此，它可以作为图像分类和密集识别任务的通用骨干网络。
• 对比优势：相比之下，之前的视觉Transformer仅产生单一低分辨率的特征映射，并且由于全局计算自注意力，对输入图像大小具有二次计算复杂度。

来源

📚 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。请查看 模型中心 以查找针对你感兴趣的任务进行微调的版本。

如何使用

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

from transformers import AutoFeatureExtractor, SwinForImageClassification
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 = AutoFeatureExtractor.from_pretrained("microsoft/swin-base-patch4-window12-384-in22k")
model = SwinForImageClassification.from_pretrained("microsoft/swin-base-patch4-window12-384-in22k")

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])

更多代码示例，请参考 文档。

BibTeX引用和引用信息

@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

本项目采用Apache - 2.0许可证。

信息表格