LeViT卷积图像分类模型具备快速推理能力
LeViT图像分类模型利用卷积操作并在ImageNet-1k数据集上预训练,符合快速推理需求。模型参数量为18.9M,适用于不同图像分类任务。通过timm库进行部署,可实现特征提取和多种嵌入应用。
levit_256.fb_dist_in1k 是一个用于图像分类的模型,利用了卷积模式(使用 nn.Conv2d 和 nn.BatchNorm2d)。这个模型已经在 ImageNet-1k 数据集上经过蒸馏训练,由论文作者预训练完成。
使用代码示例展示如何利用该模型进行图像分类:
from urllib.request import urlopen from PIL import Image import timm img = Image.open( urlopen('https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png')) model = timm.create_model('levit_256.fb_dist_in1k', pretrained=True) model = model.eval() data_config = timm.data.resolve_model_data_config(model) transforms = timm.data.create_transform(**data_config, is_training=False) output = model(transforms(img).unsqueeze(0)) top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)
模型还可以用于提取图像嵌入,具体代码示例如下:
from urllib.request import urlopen from PIL import Image import timm img = Image.open( urlopen('https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png')) model = timm.create_model( 'levit_256.fb_dist_in1k', pretrained=True, num_classes=0 # 移除分类器 nn.Linear ) model = model.eval() data_config = timm.data.resolve_model_data_config(model) transforms = timm.data.create_transform(**data_config, is_training=False) output = model(transforms(img).unsqueeze(0)) output = model.forward_features(transforms(img).unsqueeze(0)) output = model.forward_head(output, pre_logits=True)
以下是 levit 系列模型的性能对比表:
Model | Top-1 Accuracy | Top-5 Accuracy | Parameter Count (M) | Image Size |
---|---|---|---|---|
levit_384.fb_dist_in1k | 82.596 | 96.012 | 39.13 | 224 |
levit_conv_384.fb_dist_in1k | 82.596 | 96.012 | 39.13 | 224 |
levit_256.fb_dist_in1k | 81.512 | 95.48 | 18.89 | 224 |
levit_conv_256.fb_dist_in1k | 81.512 | 95.48 | 18.89 | 224 |
levit_conv_192.fb_dist_in1k | 79.86 | 94.792 | 10.95 | 224 |
levit_192.fb_dist_in1k | 79.858 | 94.792 | 10.95 | 224 |
levit_128.fb_dist_in1k | 78.474 | 94.014 | 9.21 | 224 |
levit_conv_128.fb_dist_in1k | 78.474 | 94.02 | 9.21 | 224 |
levit_128s.fb_dist_in1k | 76.534 | 92.864 | 7.78 | 224 |
levit_conv_128s.fb_dist_in1k | 76.532 | 92.864 | 7.78 | 224 |
如果要引用此模型的论文或相关工作,请参考以下文献格式:
@InProceedings{Graham_2021_ICCV, author = {Graham, Benjamin and El-Nouby, Alaaeldin and Touvron, Hugo and Stock, Pierre and Joulin, Armand and Jegou, Herve and Douze, Matthijs}, title = {LeViT: A Vision Transformer in ConvNet's Clothing for Faster Inference}, booktitle = {Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)}, month = {October}, year = {2021}, pages = {12259-12269} }
@misc{rw2019timm, author = {Ross Wightman}, title = {PyTorch Image Models}, year = {2019}, publisher = {GitHub}, journal = {GitHub repository}, doi = {10.5281/zenodo.4414861}, howpublished = {\url{https://github.com/rwightman/pytorch-image-models}} }
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作
AI办公助手,复杂任务高效处理
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!
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小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
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。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号