Mobilevitv2 1.0 Imagenet1k 256

🚀 MobileViTv2 (mobilevitv2-1.0-imagenet1k-256)

MobileViTv2是一款用于图像分类的模型，它是MobileViT的第二代版本，在图像分类任务上有着出色的表现。

🚀 快速开始

MobileViTv2是MobileViT的第二个版本。它由Sachin Mehta和Mohammad Rastegari在论文Separable Self-attention for Mobile Vision Transformers中提出，并首次在此仓库发布。该模型使用的许可证是Apple sample code license。

免责声明：发布MobileViT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

模型描述

MobileViTv2通过将MobileViT中的多头自注意力机制替换为可分离自注意力机制构建而成。

预期用途和局限性

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。

💻 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为1000个ImageNet类别之一的示例：

from transformers import MobileViTImageProcessor, MobileViTV2ForImageClassification
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 = MobileViTImageProcessor.from_pretrained("shehan97/mobilevitv2-1.0-imagenet1k-256")
model = MobileViTV2ForImageClassification.from_pretrained("shehan97/mobilevitv2-1.0-imagenet1k-256")

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])

目前，特征提取器和模型都支持PyTorch。

📚 详细文档

训练数据

MobileViT模型在ImageNet-1k上进行了预训练，这是一个包含100万张图像和1000个类别的数据集。

BibTeX引用和引用信息

@inproceedings{vision-transformer,
title = {Separable Self-attention for Mobile Vision Transformers},
author = {Sachin Mehta and Mohammad Rastegari},
year = {2022},
URL = {https://arxiv.org/abs/2206.02680}
}

📄 许可证

该模型使用的许可证是 Apple sample code license。

📦 模型信息