懂AI
dinov2

dinov2

通过无监督学习构建强大视觉特征的先进方法

DINOv2是一种先进的无监督视觉特征学习方法,在1.42亿张未标注图像上预训练后生成高性能、鲁棒的通用视觉特征。这些特征可直接应用于多种计算机视觉任务,仅需简单线性分类器即可实现优异效果。DINOv2提供多种预训练模型,包括带寄存器的变体,在ImageNet等基准测试中表现卓越。

DINOv2视觉特征自监督学习Vision Transformer计算机视觉Github开源项目
访问官网GitHub论文文档

:new: [2023-10-26] 增加了带寄存器的DINOv2主干网络,遵循视觉Transformer需要寄存器的方法。

DINOv2:无需监督学习鲁棒的视觉特征

Meta AI 研究院, FAIR

Maxime Oquab, Timothée Darcet, Théo Moutakanni, Huy V. Vo, Marc Szafraniec, Vasil Khalidov, Patrick Labatut, Armand Joulin, Piotr Bojanowski

[论文 #1] [论文 #2] [博客] [演示] [引用]

DINOv2的PyTorch实现和预训练模型。详情请参见论文:《DINOv2:无需监督学习鲁棒的视觉特征》和《视觉Transformer需要寄存器》。

DINOv2模型生成高性能的视觉特征,可以直接与简单如线性层的分类器一起用于各种计算机视觉任务;这些视觉特征具有鲁棒性,可以在不同领域表现良好,无需任何微调。这些模型在包含1.42亿张图像的数据集上进行了预训练,没有使用任何标签或注释。

https://github.com/facebookresearch/dinov2/assets/60359573/f168823e-7922-415a-b429-578badf5c356

<div align="center"> 所有帧的patch特征的前三个主成分的可视化,映射到RGB值。 </div>

预训练模型

<table style="margin: auto"> <thead> <tr> <th>模型</th> <th>参数量</th> <th>是否带<br />寄存器</th> <th>ImageNet<br />k-NN</th> <th>ImageNet<br />线性</th> <th>下载</th> </tr> </thead> <tbody> <tr> <td>ViT-S/14 蒸馏</td> <td align="right">21 M</td> <td align="center">:x:</td> <td align="right">79.0%</td> <td align="right">81.1%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_pretrain.pth">仅主干网络</a></td> </tr> <tr> <td>ViT-S/14 蒸馏</td> <td align="right">21 M</td> <td align="center">:white_check_mark:</td> <td align="right">79.1%</td> <td align="right">80.9%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_reg4_pretrain.pth">仅主干网络</a></td> </tr> <tr> <td>ViT-B/14 蒸馏</td> <td align="right">86 M</td> <td align="center">:x:</td> <td align="right">82.1%</td> <td align="right">84.5%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_pretrain.pth">仅主干网络</a></td> </tr> <tr> <td>ViT-B/14 蒸馏</td> <td align="right">86 M</td> <td align="center">:white_check_mark:</td> <td align="right">82.0%</td> <td align="right">84.6%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_reg4_pretrain.pth">仅主干网络</a></td> </tr> <tr> <td>ViT-L/14 蒸馏</td> <td align="right">300 M</td> <td align="center">:x:</td> <td align="right">83.5%</td> <td align="right">86.3%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_pretrain.pth">仅主干网络</a></td> </tr> <tr> <td>ViT-L/14 蒸馏</td> <td align="right">300 M</td> <td align="center">:white_check_mark:</td> <td align="right">83.8%</td> <td align="right">86.7%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_reg4_pretrain.pth">仅主干网络</a></td> </tr> <tr> <td>ViT-g/14</td> <td align="right">1,100 M</td> <td align="center">:x:</td> <td align="right">83.5%</td> <td align="right">86.5%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_pretrain.pth">仅主干网络</a></td> </tr> <tr> <td>ViT-g/14</td> <td align="right">1,100 M</td> <td align="center">:white_check_mark:</td> <td align="right">83.7%</td> <td align="right">87.1%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_reg4_pretrain.pth">仅主干网络</a></td> </tr> </tbody> </table>

预训练主干网络 (通过 PyTorch Hub)

请按照这里的说明安装PyTorch(加载模型唯一需要的依赖)。强烈建议安装支持CUDA的PyTorch版本。

仓库中包含了相应的模型卡片。

import torch

# DINOv2
dinov2_vits14 = torch.hub.load('facebookresearch/dinov2', 'dinov2_vits14')
dinov2_vitb14 = torch.hub.load('facebookresearch/dinov2', 'dinov2_vitb14')
dinov2_vitl14 = torch.hub.load('facebookresearch/dinov2', 'dinov2_vitl14')
dinov2_vitg14 = torch.hub.load('facebookresearch/dinov2', 'dinov2_vitg14')

# 带寄存器的DINOv2
dinov2_vits14_reg = torch.hub.load('facebookresearch/dinov2', 'dinov2_vits14_reg')
dinov2_vitb14_reg = torch.hub.load('facebookresearch/dinov2', 'dinov2_vitb14_reg')
dinov2_vitl14_reg = torch.hub.load('facebookresearch/dinov2', 'dinov2_vitl14_reg')
dinov2_vitg14_reg = torch.hub.load('facebookresearch/dinov2', 'dinov2_vitg14_reg')

预训练头部 - 图像分类

<table style="margin: auto"> <thead> <tr> <th rowspan="2">骨干网络</th> <th rowspan="2">带寄存器</th> <th>下载</th> </tr> <tr> <th>ImageNet</th> </tr> </thead> <tbody> <tr> <td>ViT-S/14 蒸馏</td> <td align="center">:x:</td> <td> 线性头 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_linear4_head.pth">4层</a>) </td> </tr> <tr> <td>ViT-S/14 蒸馏</td> <td align="center">:white_check_mark:</td> <td> 线性头 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_reg4_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_reg4_linear4_head.pth">4层</a>) </td> </tr> <tr> <td>ViT-B/14 蒸馏</td> <td align="center">:x:</td> <td> 线性头 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_linear4_head.pth">4层</a>) </tr> <tr> <td>ViT-B/14 蒸馏</td> <td align="center">:white_check_mark:</td> <td> 线性头 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_reg4_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_reg4_linear4_head.pth">4层</a>) </tr> <tr> <td>ViT-L/14 蒸馏</td> <td align="center">:x:</td> <td> 线性头 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_linear4_head.pth">4层</a>) </tr> <tr> <td>ViT-L/14 蒸馏</td> <td align="center">:white_check_mark:</td> <td> 线性头 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_reg4_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_reg4_linear4_head.pth">4层</a>) </tr> <tr> <td>ViT-g/14</td> <td align="center">:x:</td> <td> 线性头 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_linear4_head.pth">4层</a>) </tr> <tr> <td>ViT-g/14</td> <td align="center">:white_check_mark:</td> <td> 线性头 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_lreg4_inear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_reg4_linear4_head.pth">4层</a>) </tr> </tbody> </table>

可以通过PyTorch Hub加载（完整的）分类器模型：

import torch

# DINOv2
dinov2_vits14_lc = torch.hub.load('facebookresearch/dinov2', 'dinov2_vits14_lc')
dinov2_vitb14_lc = torch.hub.load('facebookresearch/dinov2', 'dinov2_vitb14_lc')
dinov2_vitl14_lc = torch.hub.load('facebookresearch/dinov2', 'dinov2_vitl14_lc')
dinov2_vitg14_lc = torch.hub.load('facebookresearch/dinov2', 'dinov2_vitg14_lc')

# 带寄存器的DINOv2
dinov2_vits14_reg_lc = torch.hub.load('facebookresearch/dinov2', 'dinov2_vits14_reg_lc')
dinov2_vitb14_reg_lc = torch.hub.load('facebookresearch/dinov2', 'dinov2_vitb14_reg_lc')
dinov2_vitl14_reg_lc = torch.hub.load('facebookresearch/dinov2', 'dinov2_vitl14_reg_lc')
dinov2_vitg14_reg_lc = torch.hub.load('facebookresearch/dinov2', 'dinov2_vitg14_reg_lc')

预训练头 - 深度估计

<table style="margin: auto"> <thead> <tr> <th rowspan="2">骨干网络</th> <th colspan="2">下载头部</th> </tr> <tr> <th>NYUd</th> <th>KITTI</th> </tr> </thead> <tbody> <tr> <td>ViT-S/14 蒸馏版</td> <td> 线性 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_nyu_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_nyu_linear4_head.pth">4层</a>), <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_nyu_dpt_head.pth">DPT</a> </td> <td> 线性 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_kitti_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_kitti_linear4_head.pth">4层</a>), <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_kitti_dpt_head.pth">DPT</a> </td> </tr> <tr> <td>ViT-B/14 蒸馏版</td> <td> 线性 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_nyu_linear4_head.pth">4层</a>), <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_nyu_dpt_head.pth">DPT</a> </td> <td> 线性 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_kitti_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_kitti_linear4_head.pth">4层</a>), <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_kitti_dpt_head.pth">DPT</a> </td> </tr> <tr> <td>ViT-L/14 蒸馏版</td> <td> 线性 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_nyu_linear4_head.pth">4层</a>), <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_nyu_dpt_head.pth">DPT</a> </td> <td> 线性 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_kitti_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_kitti_linear4_head.pth">4层</a>), <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_kitti_dpt_head.pth">DPT</a> </td> </tr> <tr> <td>ViT-g/14</td> <td> 线性 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_nyu_linear4_head.pth">4层</a>), <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_nyu_dpt_head.pth">DPT</a> </td> <td> 线性 (<a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_kitti_linear_head.pth">1层</a>, <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_kitti_linear4_head.pth">4层</a>), <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_kitti_dpt_head.pth">DPT</a> </td> </tr> </tbody> </table>

预训练头部 - 语义分割

<table style="margin: auto"> <thead> <tr> <th rowspan="2">主干网络</th> <th>下载模型</th> <th colspan="2">下载头部</th> </tr> <tr> <th>ADE20K</th> <th>ADE20K</th> <th>VOC2012</th> </tr> </thead> <tbody> <tr> <td>ViT-S/14 蒸馏</td> <td></td> <td> <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_ade20k_linear_head.pth">线性</a>， <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_ade20k_ms_head.pth">多尺度</a> </td> <td> <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_voc2012_linear_head.pth">线性</a>， <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_voc2012_ms_head.pth">多尺度</a> </td> </tr> <tr> <td>ViT-B/14 蒸馏</td> <td></td> <td> <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_ade20k_linear_head.pth">线性</a>， <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_ade20k_ms_head.pth">多尺度</a> </td> <td> <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_voc2012_linear_head.pth">线性</a>， <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_voc2012_ms_head.pth">多尺度</a> </td> </tr> <tr> <td>ViT-L/14 蒸馏</td> <td></td> <td> <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_ade20k_linear_head.pth">线性</a>， <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_ade20k_ms_head.pth">多尺度</a> </td> <td> <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_voc2012_linear_head.pth">线性</a>， <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_voc2012_ms_head.pth">多尺度</a> </td> </tr> <tr> <td>ViT-g/14</td> <td> <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_ade20k_m2f.pth">Mask2Former</a> </td> <td> <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_ade20k_linear_head.pth">线性</a>， <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_ade20k_ms_head.pth">多尺度</a> </td> <td> <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_voc2012_linear_head.pth">线性</a>， <a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_voc2012_ms_head.pth">多尺度</a> </td> </tr> </tbody> </table>

安装

训练和评估代码需要PyTorch 2.0和xFormers 0.0.18，以及其他一些第三方软件包。请注意，代码仅在指定版本上进行过测试，并且需要在Linux环境下运行。要设置训练和评估所需的所有依赖项，请按照以下说明操作：

conda (推荐) - 克隆仓库，然后使用提供的环境定义创建并激活dinov2conda环境：

conda env create -f conda.yaml
conda activate dinov2

pip - 克隆仓库，然后使用提供的requirements.txt安装依赖项：

pip install -r requirements.txt

对于密集任务（深度估计和语义分割），还有额外的依赖项（特定版本的mmcv和mmsegmentation），这些都包含在extras依赖规范中：

conda (推荐):

conda env create -f conda-extras.yaml
conda activate dinov2-extras

pip:

pip install -r requirements.txt -r requirements-extras.txt

数据准备

ImageNet-1k

数据集的根目录应包含以下内容：

  • <ROOT>/test/ILSVRC2012_test_00000001.JPEG
  • <ROOT>/test/[..]
  • <ROOT>/test/ILSVRC2012_test_00100000.JPEG
  • <ROOT>/train/n01440764/n01440764_10026.JPEG
  • <ROOT>/train/[...]
  • <ROOT>/train/n15075141/n15075141_9993.JPEG
  • <ROOT>/val/n01440764/ILSVRC2012_val_00000293.JPEG
  • <ROOT>/val/[...]
  • <ROOT>/val/n15075141/ILSVRC2012_val_00049174.JPEG
  • <ROOT>/labels.txt

提供的数据集实现期望在额外目录下存在几个额外的元数据文件：

  • <EXTRA>/class-ids-TRAIN.npy
  • <EXTRA>/class-ids-VAL.npy
  • <EXTRA>/class-names-TRAIN.npy
  • <EXTRA>/class-names-VAL.npy
  • <EXTRA>/entries-TEST.npy
  • <EXTRA>/entries-TRAIN.npy
  • <EXTRA>/entries-VAL.npy

这些元数据文件可以通过以下Python代码（一次性）生成：

from dinov2.data.datasets import ImageNet

for split in ImageNet.Split:
    dataset = ImageNet(split=split, root="<ROOT>", extra="<EXTRA>")
    dataset.dump_extra()

请注意，根目录和额外目录不必是不同的目录。

ImageNet-22k

请根据您的本地设置调整数据集类。

<br />

:warning: 要执行下一节中提供的用于训练和评估的命令，dinov2包应包含在Python模块搜索路径中，即只需在运行命令前加上PYTHONPATH=.前缀。

训练

快速设置：在ImageNet-1k上训练DINOv2 ViT-L/16

在SLURM集群环境中使用submitit在4个A100-80GB节点（32个GPU）上运行DINOv2训练：

python dinov2/run/train/train.py \
    --nodes 4 \
    --config-file dinov2/configs/train/vitl16_short.yaml \
    --output-dir <输出目录路径> \
    train.dataset_path=ImageNet:split=TRAIN:root=<数据集路径>:extra=<数据集路径>

训练时间大约为1天，最终的检查点应在k-NN评估中达到81.6%，在线性评估中达到82.9%。

训练代码每12500次迭代会在eval文件夹中保存教师的权重以供评估。

长期设置：在ImageNet-22k上训练DINOv2 ViT-L/14

在SLURM集群环境中使用submitit在12个A100-80GB节点(96个GPU)上运行DINOv2训练:

python dinov2/run/train/train.py \
    --nodes 12 \
    --config-file dinov2/configs/train/vitl14.yaml \
    --output-dir <输出目录路径> \
    train.dataset_path=ImageNet22k:root=<数据集路径>:extra=<数据集路径>

训练时间大约为3.3天，最终的检查点应在k-NN评估中达到82.0%，在线性评估中达到84.5%。

训练代码每12500次迭代会在eval文件夹中保存教师的权重以供评估。

评估

训练代码会定期保存教师权重。为了评估模型，在单个节点上运行以下评估:

在ImageNet-1k上进行k-NN分类

python dinov2/run/eval/knn.py \
    --config-file <输出目录路径>/config.yaml \
    --pretrained-weights <输出目录路径>/eval/training_24999/teacher_checkpoint.pth \
    --output-dir <输出目录路径>/eval/training_24999/knn \
    --train-dataset ImageNet:split=TRAIN:root=<数据集路径>:extra=<数据集路径> \
    --val-dataset ImageNet:split=VAL:root=<数据集路径>:extra=<数据集路径>

在ImageNet-1k上进行逻辑回归分类

python dinov2/run/eval/log_regression.py \
    --config-file <输出目录路径>/config.yaml \
    --pretrained-weights <输出目录路径>/eval/training_24999/teacher_checkpoint.pth \
    --output-dir <输出目录路径>/eval/training_24999/logreg \
    --train-dataset ImageNet:split=TRAIN:root=<数据集路径>:extra=<数据集路径> \
    --val-dataset ImageNet:split=VAL:root=<数据集路径>:extra=<数据集路径>

在ImageNet-1k上进行带数据增强的线性分类

python dinov2/run/eval/linear.py \
    --config-file <输出目录路径>/config.yaml \
    --pretrained-weights <输出目录路径>/eval/training_24999/teacher_checkpoint.pth \
    --output-dir <输出目录路径>/eval/training_24999/linear \
    --train-dataset ImageNet:split=TRAIN:root=<数据集路径>:extra=<数据集路径> \
    --val-dataset ImageNet:split=VAL:root=<数据集路径>:extra=<数据集路径>

我们发布了评估不同模型的权重:

<table style="margin: auto"> <tr> <th>模型</th> <th>带<br />寄存器</th> <th>ImageNet<br />top-1</th> <th>线性评估</th> </tr> <tr> <td>ViT-S/14 蒸馏</td> <td align="center">:x:</td> <td align="right">81.1%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_linear_head.pth">线性头权重</a></td> </tr> <tr> <td>ViT-S/14 蒸馏</td> <td align="center">:white_check_mark:</td> <td align="right">80.8%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vits14/dinov2_vits14_reg4_linear_head.pth">线性头权重</a></td> </tr> <tr> <td>ViT-B/14 蒸馏</td> <td align="center">:x:</td> <td align="right">84.5%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_linear_head.pth">线性头权重</a></td> </tr> <tr> <td>ViT-B/14 蒸馏</td> <td align="center">:white_check_mark:</td> <td align="right">84.4%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_reg4_linear_head.pth">线性头权重</a></td> </tr> <tr> <td>ViT-L/14 蒸馏</td> <td align="center">:x:</td> <td align="right">86.3%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_linear_head.pth">线性头权重</a></td> </tr> <tr> <td>ViT-L/14 蒸馏</td> <td align="center">:white_check_mark:</td> <td align="right">86.5%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitl14/dinov2_vitl14_reg4_linear_head.pth">线性头权重</a></td> </tr> <tr> <td>ViT-g/14</td> <td align="center">:x:</td> <td align="right">86.5%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_linear_head.pth">线性头权重</a></td> </tr> <tr> <td>ViT-g/14</td> <td align="center">:white_check_mark:</td> <td align="right">87.0%</td> <td><a href="https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_reg4_linear_head.pth">线性头权重</a></td> </tr> </table>

可以按如下方式在ImageNet-1k上评估所提供的预训练模型权重的性能:

python dinov2/run/eval/linear.py \
    --config-file dinov2/configs/eval/vitg14_pretrain.yaml \
    --pretrained-weights https://dl.fbaipublicfiles.com/dinov2/dinov2_vitg14/dinov2_vitg14_pretrain.pth \
    --train-dataset ImageNet:split=TRAIN:root=<数据集路径>:extra=<数据集路径> \
    --val-dataset ImageNet:split=VAL:root=<数据集路径>:extra=<数据集路径>

笔记本

提供了几个笔记本以帮助社区利用模型和代码:

<ul> <li><a href="https://github.com/facebookresearch/dinov2/blob/main/notebooks/depth_estimation.ipynb">深度估计</a> - 如何通过mmcv加载和使用深度头与匹配的主干网络结合</li> <li><a href="https://github.com/facebookresearch/dinov2/blob/main/notebooks/semantic_segmentation.ipynb">语义分割</a> - 如何通过mmcv加载和使用分割头与匹配的主干网络结合，以及如何加载和使用在ADE20K上训练的基于Mask2Former的分割模型</li> </ul>

许可证

DINOv2代码和模型权重根据Apache License 2.0发布。有关更多详细信息，请参阅LICENSE。

贡献

请参阅贡献指南和行为准则。

引用DINOv2

如果您发现这个仓库有用，请考虑给予星标:star:和引用:t-rex::

@misc{oquab2023dinov2,
  title={DINOv2: Learning Robust Visual Features without Supervision},
  author={Oquab, Maxime and Darcet, Timothée and Moutakanni, Theo and Vo, Huy V. and Szafraniec, Marc and Khalidov, Vasil and Fernandez, Pierre and Haziza, Daniel and Massa, Francisco and El-Nouby, Alaaeldin and Howes, Russell and Huang, Po-Yao and Xu, Hu and Sharma, Vasu and Li, Shang-Wen and Galuba, Wojciech and Rabbat, Mike and Assran, Mido and Ballas, Nicolas and Synnaeve, Gabriel and Misra, Ishan and Jegou, Herve and Mairal, Julien and Labatut, Patrick and Joulin, Armand and Bojanowski, Piotr},
  journal={arXiv:2304.07193},
  year={2023}
}

@misc{darcet2023vitneedreg,
  title={Vision Transformers Need Registers},
  author={Darcet, Timothée and Oquab, Maxime and Mairal, Julien and Bojanowski, Piotr},
  journal={arXiv:2309.16588},
  year={2023}
}

编辑推荐精选

音述AI

音述AI

全球首个AI音乐社区

音述AI是全球首个AI音乐社区，致力让每个人都能用音乐表达自我。音述AI提供零门槛AI创作工具，独创GETI法则帮助用户精准定义音乐风格，AI润色功能支持自动优化作品质感。音述AI支持交流讨论、二次创作与价值变现。针对中文用户的语言习惯与文化背景进行专门优化，支持国风融合、C-pop等本土音乐标签，让技术更好地承载人文表达。

QoderWork

QoderWork

阿里Qoder团队推出的桌面端AI智能体

QoderWork 是阿里推出的本地优先桌面 AI 智能体，适配 macOS14+/Windows10+，以自然语言交互实现文件管理、数据分析、AI 视觉生成、浏览器自动化等办公任务，自主拆解执行复杂工作流，数据本地运行零上传，技能市场可无限扩展，是高效的 Agentic 生产力办公助手。

lynote.ai

lynote.ai

一站式搞定所有学习需求

不再被海量信息淹没，开始真正理解知识。Lynote 可摘要 YouTube 视频、PDF、文章等内容。即时创建笔记，检测 AI 内容并下载资料，将您的学习效率提升 10 倍。

AniShort

AniShort

为AI短剧协作而生

专为AI短剧协作而生的AniShort正式发布，深度重构AI短剧全流程生产模式，整合创意策划、制作执行、实时协作、在线审片、资产复用等全链路功能，独创无限画布、双轨并行工业化工作流与Ani智能体助手，集成多款主流AI大模型，破解素材零散、版本混乱、沟通低效等行业痛点，助力3人团队效率提升800%，打造标准化、可追溯的AI短剧量产体系，是AI短剧团队协同创作、提升制作效率的核心工具。

seedancetwo2.0

seedancetwo2.0

能听懂你表达的视频模型

Seedance two是基于seedance2.0的中国大模型，支持图像、视频、音频、文本四种模态输入，表达方式更丰富，生成也更可控。

nano-banana纳米香蕉中文站

nano-banana纳米香蕉中文站

国内直接访问，限时3折

输入简单文字,生成想要的图片，纳米香蕉中文站基于 Google 模型的 AI 图片生成网站，支持文字生图、图生图。官网价格限时3折活动

扣子-AI办公

扣子-AI办公

职场AI，就用扣子

AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！

堆友

堆友

多风格AI绘画神器

堆友平台由阿里巴巴设计团队创建，作为一款AI驱动的设计工具，专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图，显著提升设计品质和效率。平台不仅提供工具，还是一个促进创意交流和个人发展的空间，界面友好，适合所有级别的设计师和创意工作者。

图像生成AI工具AI反应堆AI工具箱AI绘画GOAI艺术字堆友相机AI图像热门
码上飞

码上飞

零代码AI应用开发平台

零代码AI应用开发平台，用户只需一句话简单描述需求，AI能自动生成小程序、APP或H5网页应用，无需编写代码。

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

下拉加载更多