mobilenetv3_small_100.lamb_in1k

mobilenetv3_small_100.lamb_in1k 项目介绍

项目概述

mobilenetv3_small_100.lamb_in1k 是一个基于 MobileNet-v3 架构的图像分类模型。该模型在 ImageNet-1k 数据集上进行了训练，使用了 timm 库中的特定训练方法。这个模型旨在提供高效且准确的图像分类功能，特别适合在资源受限的环境中使用。

模型特点

该模型具有以下几个显著特点：

1. 轻量级设计：模型参数量仅为 2.5 百万，计算量为 0.1 GMACs，非常适合在移动设备或嵌入式系统中部署。

2. 高效性能：尽管模型较小，但在 ImageNet-1k 数据集上仍能达到不错的分类效果。

3. 灵活应用：除了图像分类，该模型还可以用于特征提取和图像嵌入等任务。

4. 优化训练策略：采用了类似于 "ResNet Strikes Back" 的 LAMB 优化器配方，但训练时间延长了 50%，并使用了 EMA 权重平均。

使用方法

这个模型可以通过 timm 库轻松调用和使用。主要有三种使用方式：

1. 图像分类：可以直接对输入图像进行分类，输出前五个最可能的类别及其概率。

2. 特征图提取：通过设置 features_only=True，模型可以输出不同层级的特征图，方便进行进一步的分析或处理。

3. 图像嵌入：通过移除最后的分类层，模型可以输出图像的嵌入向量，这对于图像检索或迁移学习非常有用。

应用场景

mobilenetv3_small_100.lamb_in1k 模型适用于多种场景，包括但不限于：

1. 移动设备上的实时图像分类
2. 嵌入式系统中的视觉识别
3. 大规模图像数据库的特征提取
4. 计算资源有限的边缘计算设备

模型优势

1. 轻量化：相比其他大型模型，该模型参数少，计算量小，更易部署。
2. versatility：支持多种使用方式，适应不同的应用需求。
3. 预训练可用：可直接使用在 ImageNet-1k 上预训练的权重，节省训练时间。
4. 易于使用：通过 timm 库，只需几行代码即可完成模型加载和使用。

总结

mobilenetv3_small_100.lamb_in1k 是一个轻量级但功能强大的图像分类模型。它在保持高效性的同时，提供了良好的分类性能。无论是for研究目的还是实际应用，这个模型都是一个值得考虑的选择。通过 timm 库的支持，开发者可以方便地将其整合到各种计算机视觉项目中。

Model card for mobilenetv3_small_100.lamb_in1k

A MobileNet-v3 image classification model. Trained on ImageNet-1k in timm using recipe template described below.

Recipe details:

• A LAMB optimizer recipe that is similar to ResNet Strikes Back A2 but 50% longer with EMA weight averaging, no CutMix
• RMSProp (TF 1.0 behaviour) optimizer, EMA weight averaging
• Step (exponential decay w/ staircase) LR schedule with warmup

Model Details

• Model Type: Image classification / feature backbone
• Model Stats:
  • Params (M): 2.5
  • GMACs: 0.1
  • Activations (M): 1.4
  • Image size: 224 x 224
• Papers:
  • Searching for MobileNetV3: https://arxiv.org/abs/1905.02244
• Dataset: ImageNet-1k
• Original: https://github.com/huggingface/pytorch-image-models

Model Usage

Image Classification

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('mobilenetv3_small_100.lamb_in1k', pretrained=True)
model = model.eval()

# get model specific transforms (normalization, resize)
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))  # unsqueeze single image into batch of 1

top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)

Feature Map Extraction

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(
    'mobilenetv3_small_100.lamb_in1k',
    pretrained=True,
    features_only=True,
)
model = model.eval()

# get model specific transforms (normalization, resize)
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))  # unsqueeze single image into batch of 1

for o in output:
    # print shape of each feature map in output
    # e.g.:
    #  torch.Size([1, 16, 112, 112])
    #  torch.Size([1, 16, 56, 56])
    #  torch.Size([1, 24, 28, 28])
    #  torch.Size([1, 48, 14, 14])
    #  torch.Size([1, 576, 7, 7])

    print(o.shape)

Image Embeddings

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(
    'mobilenetv3_small_100.lamb_in1k',
    pretrained=True,
    num_classes=0,  # remove classifier nn.Linear
)
model = model.eval()

# get model specific transforms (normalization, resize)
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 is (batch_size, num_features) shaped tensor

# or equivalently (without needing to set num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# output is unpooled, a (1, 576, 7, 7) shaped tensor

output = model.forward_head(output, pre_logits=True)
# output is a (1, num_features) shaped tensor

Model Comparison

Explore the dataset and runtime metrics of this model in timm model results.

Citation

@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/huggingface/pytorch-image-models}}
}

@inproceedings{howard2019searching,
  title={Searching for mobilenetv3},
  author={Howard, Andrew and Sandler, Mark and Chu, Grace and Chen, Liang-Chieh and Chen, Bo and Tan, Mingxing and Wang, Weijun and Zhu, Yukun and Pang, Ruoming and Vasudevan, Vijay and others},
  booktitle={Proceedings of the IEEE/CVF international conference on computer vision},
  pages={1314--1324},
  year={2019}
}