Miewid Msv3

🚀 MiewID - msv3模型

MiewID - msv3是一个用于野生动物个体重识别的特征提取模型。它基于对比学习，在包含64种陆地和水生野生动物的高质量大型数据集上进行训练，数据涵盖了动物的鳍、尾叶、侧面和面部等部位。该模型可用于将个体与真实样本数据库进行匹配以实现重识别，其特征也可用于物种分类检索。

🚀 快速开始

本模型旨在通过与真实样本数据库进行匹配，对不同物种的个体进行重识别。模型特征也可用于通过检索进行物种分类。

✨ 主要特性

• 适用范围广：可用于64种陆地和水生野生动物的个体重识别。
• 特征丰富：训练数据包含动物的鳍、尾叶、侧面和面部等部位。
• 功能多样：不仅能进行个体重识别，其特征还可用于物种分类检索。

📦 安装指南

文档未提及安装步骤，暂不提供。

💻 使用示例

基础用法

import numpy as np
from PIL import Image
import torch
import torchvision.transforms as transforms
from transformers import AutoModel

model_tag = f"conservationxlabs/miewid-msv3"
model = AutoModel.from_pretrained(model_tag, trust_remote_code=True)

def generate_random_image(height=440, width=440, channels=3):
    random_image = np.random.randint(0, 256, (height, width, channels), dtype=np.uint8)
    return Image.fromarray(random_image)

random_image = generate_random_image()

preprocess = transforms.Compose([
    transforms.Resize((440, 440)),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])

input_tensor = preprocess(random_image)
input_batch = input_tensor.unsqueeze(0) 

with torch.no_grad():
    output = model(input_batch)

print(output)
print(output.shape)

更多示例

查看更多使用示例，请访问：https://github.com/WildMeOrg/wbia-plugin-miew-id/tree/main/wbia_miew_id/examples

📚 详细文档

模型详情

模型描述

MiewID - msv3是一个使用对比学习在包含64种陆地和水生野生动物的大型高质量数据集上训练的特征提取器，数据包含鳍、尾叶、侧面和面部等部位。

• 模型类型：野生动物重识别特征主干
• 模型统计信息：
  • 参数（M）：51.11
  • GMACs：24.38
  • 激活值（M）：91.11
  • 图像大小：440 x 440

模型来源

• 仓库：https://github.com/WildMeOrg/wbia-plugin-miew-id
• 主干网络：https://huggingface.co/timm/efficientnetv2_rw_m.agc_in1k

训练详情

训练数据

用于这些实验的数据集是Wildbook平台（多个用户）的数据、Happywhale Kaggle竞赛多物种数据集以及多个公开可用数据集的组合。Wildbook平台的一小部分数据可在https://lila.science/datasets获取。

示例图像

评估结果

🔧 技术细节

文档未提供详细技术细节，暂不展示。

📄 许可证

文档未提及许可证信息，暂不提供。