convnext_base.fb_in22k_ft_in1k

convnext_base.fb_in22k_ft_in1k项目介绍

convnext_base.fb_in22k_ft_in1k是一个强大的图像分类模型,由Facebook Research团队开发。这个模型是ConvNeXt系列的一员,采用了先进的卷积神经网络架构,为计算机视觉任务提供了优秀的性能。

模型概览

convnext_base.fb_in22k_ft_in1k模型具有以下特点:

• 模型类型:图像分类/特征骨干网络
• 参数量:88.6百万
• GMACs(十亿乘加运算):15.4
• 激活量:28.8百万
• 训练图像尺寸:224 x 224
• 测试图像尺寸:288 x 288

这个模型首先在ImageNet-22k数据集上进行了预训练,然后在ImageNet-1k数据集上进行了微调,这种训练策略使得模型能够学习到更丰富的特征表示。

模型应用

convnext_base.fb_in22k_ft_in1k模型可以应用于多种计算机视觉任务:

1. 图像分类:该模型可以直接用于对图像进行分类,输出1000个类别的概率分布。

2. 特征图提取:通过设置features_only=True,可以获取模型不同层的特征图,这对于下游任务如目标检测、语义分割等非常有用。

3. 图像嵌入:通过移除最后的分类层,可以得到图像的高维特征表示,这种嵌入可用于图像检索、聚类等任务。

模型性能

在ImageNet-1k验证集上,convnext_base.fb_in22k_ft_in1k模型取得了以下性能:

• Top-1准确率:85.822%
• Top-5准确率:97.866%

这个性能在ConvNeXt系列模型中处于中等水平,比一些较小的模型如convnext_tiny和convnext_small表现更好,但不及更大的模型如convnext_large和convnext_xlarge。

使用方法

研究者和开发者可以通过timm库轻松使用这个模型:

import timm

model = timm.create_model('convnext_base.fb_in22k_ft_in1k', pretrained=True)

通过这种方式,可以快速加载预训练的模型权重,并应用于各种计算机视觉任务。

总的来说,convnext_base.fb_in22k_ft_in1k是一个强大而灵活的图像分类模型,在性能和计算复杂度之间取得了很好的平衡,适用于各种实际应用场景。