模型:

microsoft/swin-large-patch4-window12-384

英文

Swin Transformer(大型模型)

Swin Transformer 模型在 ImageNet-1k 数据集上以 384x384 的分辨率进行训练。它由刘等人在 Swin Transformer: Hierarchical Vision Transformer using Shifted Windows 论文中提出,并首次发布于 this repository

免责声明:发布 Swin Transformer 的团队没有为该模型编写模型卡片,因此此模型卡片是由 Hugging Face 团队编写的。

模型描述

Swin Transformer 是一种 Vision Transformer 类型的模型。它通过在较深层中合并图像块(以灰色显示)来构建分层特征图,并且由于仅在每个局部窗口内计算自注意力(以红色显示),所以具有对输入图像大小的线性计算复杂度。因此,它可以作为图像分类和密集识别任务的通用骨干网络。相反,先前的 Vision Transformer 产生单个低分辨率的特征图,并且由于在全局范围内计算自注意力而对输入图像大小具有二次计算复杂度。

Source

预期用途和限制

您可以使用原始模型进行图像分类。查看 model hub 以查找您感兴趣的任务上的微调版本。

如何使用

以下是使用此模型对 COCO 2017 数据集中的图像进行分类为 1,000 个 ImageNet 类别之一的方法:

from transformers import AutoFeatureExtractor, SwinForImageClassification
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

feature_extractor = AutoFeatureExtractor.from_pretrained("microsoft/swin-large-patch4-window12-384")
model = SwinForImageClassification.from_pretrained("microsoft/swin-large-patch4-window12-3844")

inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
# model predicts one of the 1000 ImageNet classes
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

有关更多代码示例,请参阅 documentation

BibTeX 条目和引用信息

@article{DBLP:journals/corr/abs-2103-14030,
  author    = {Ze Liu and
               Yutong Lin and
               Yue Cao and
               Han Hu and
               Yixuan Wei and
               Zheng Zhang and
               Stephen Lin and
               Baining Guo},
  title     = {Swin Transformer: Hierarchical Vision Transformer using Shifted Windows},
  journal   = {CoRR},
  volume    = {abs/2103.14030},
  year      = {2021},
  url       = {https://arxiv.org/abs/2103.14030},
  eprinttype = {arXiv},
  eprint    = {2103.14030},
  timestamp = {Thu, 08 Apr 2021 07:53:26 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2103-14030.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}