Miewid Msv2

🚀 MiewID - msv2 模型

MiewID - msv2 是一个野生动物特征提取模型，通过对比学习在大规模、高质量的野生动物数据集上进行训练，可用于不同物种个体的重新识别，还能用于物种分类。

🚀 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新识别。模型特征也可用于通过检索进行物种分类。

✨ 主要特性

• 多物种适用：在包含 54 种陆地和水生野生动物的大规模高质量数据集上训练，包括鳍、尾鳍、侧面、面部等特征。
• 特征强大：可作为野生动物重新识别的特征骨干，提取的特征可用于个体重新识别和物种分类。

📦 安装指南

文档未提及具体安装步骤，可参考模型仓库中的说明进行安装：https://github.com/WildMeOrg/wbia - plugin - miew - id

💻 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-msv2"
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 - msv2 是一个特征提取器，通过对比学习在包含 54 种陆地和水生野生动物的大规模高质量数据集上进行训练，可用于重新识别，数据集涵盖鳍、尾鳍、侧面、面部等特征。

模型来源

• 仓库：https://github.com/WildMeOrg/wbia - plugin - miew - id
• 骨干网络：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 竞赛的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 找到。

示例图像

评估结果

多物种模型相比单物种训练的模型有显著改进。此外，当以留一法进行训练和评估时，该模型对大多数物种表现出较强的泛化能力。