Cspdarknet53 Mish

🚀 CSP-Darknet-53 Mish模型

CSP-Darknet-53 Mish模型在ImageNette数据集上进行了预训练。CSP-Darknet-53 Mish架构在这篇论文中被提出。该模型可用于图像分类任务，借助独特架构和激活函数替换提升性能。

🚀 快速开始

本模型可用于图像分类任务，借助独特架构和激活函数替换提升性能。你可以按照以下步骤使用该模型：

1. 安装依赖
2. 加载模型
3. 准备输入图像
4. 进行推理

✨ 主要特性

• 架构创新：作者的核心思想是在架构中添加跨阶段部分块（cross stage partial blocks）来改变卷积阶段，并将激活函数替换为Mish。
• 预训练模型：在ImageNette数据集上进行了预训练。

📦 安装指南

前提条件

安装Holocron需要Python 3.6（或更高版本）以及pip/conda。

最新稳定版本

你可以使用pypi安装该包的最新稳定版本，命令如下：

pip install pylocron

或者使用conda安装：

conda install -c frgfm pylocron

开发模式

如果你希望使用该项目尚未发布的最新功能，可以从源代码安装该包（请先安装Git）：

git clone https://github.com/frgfm/Holocron.git
pip install -e Holocron/.

💻 使用示例

基础用法

from PIL import Image
from torchvision.transforms import Compose, ConvertImageDtype, Normalize, PILToTensor, Resize
from torchvision.transforms.functional import InterpolationMode
from holocron.models import model_from_hf_hub

model = model_from_hf_hub("frgfm/cspdarknet53_mish").eval()

img = Image.open(path_to_an_image).convert("RGB")

# 预处理
config = model.default_cfg
transform = Compose([
    Resize(config['input_shape'][1:], interpolation=InterpolationMode.BILINEAR),
    PILToTensor(),
    ConvertImageDtype(torch.float32),
    Normalize(config['mean'], config['std'])
])

input_tensor = transform(img).unsqueeze(0)

# 推理
with torch.inference_mode():
    output = model(input_tensor)
probs = output.squeeze(0).softmax(dim=0)

📚 详细文档

模型描述

作者的核心思想是在架构中添加跨阶段部分块来改变卷积阶段，并将激活函数替换为Mish。

数据集

该模型在ImageNette数据集上进行了预训练。

引用

原论文

@article{DBLP:journals/corr/abs-1911-11929,
  author    = {Chien{-}Yao Wang and
               Hong{-}Yuan Mark Liao and
               I{-}Hau Yeh and
               Yueh{-}Hua Wu and
               Ping{-}Yang Chen and
               Jun{-}Wei Hsieh},
  title     = {CSPNet: {A} New Backbone that can Enhance Learning Capability of {CNN}},
  journal   = {CoRR},
  volume    = {abs/1911.11929},
  year      = {2019},
  url       = {http://arxiv.org/abs/1911.11929},
  eprinttype = {arXiv},
  eprint    = {1911.11929},
  timestamp = {Tue, 03 Dec 2019 20:41:07 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1911-11929.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

本实现的来源

@software{Fernandez_Holocron_2020,
author = {Fernandez, François-Guillaume},
month = {5},
title = {{Holocron}},
url = {https://github.com/frgfm/Holocron},
year = {2020}
}

📄 许可证

本项目采用Apache-2.0许可证。