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

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码，轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT，就用博思AIPPT！

博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命，一站式智能商拍平台

潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌，基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构，帮助企业扫清合规障碍，筑牢风控防线，成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案，助力品牌曝光

稳定高效的流量提升解决方案，助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用，一键生成无水印视频

最新版Sora2模型免费使用，一键生成无水印视频

Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

下拉加载更多