Görüntü Dönüşümcüsü (göreli konum)

Kategori: ViT · Kod: timm/models/vision_transformer_relpos.py · Mimariler: 14 · Önceden eğitilmiş ağırlıklar: 9 (9 tanesi ImageNet-1k sonuçlarıyla)

Mutlak konum gömme yerine göreli konum önyargıları kullanan Vision Transformers. Modül dokümantasyon dizgesi bu modelleri deneysel olarak işaretler.

Makaleler

• Bir Görsel 16x16 Kelimeye Bedeldir: Ölçekli Görsel Tanıma için Dönüşümcüler
• Swin Transformer V2: Kapasite ve Çözünürlük Ölçeklendirme

Kullanım

Önceden eğitilmiş ağırlıkları yükleme, görüntü ön işleme ve ince ayar için Hızlı Başlangıç bölümüne, modelleri omurga olarak kullanmak için ise Özellik Çıkarımı bölümüne bakın.

>>> import timm
>>> model = timm.create_model('vit_relpos_small_patch16_224.sw_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

Model API desteği

✓ destekleniyor, ✓ (kare) yalnızca kare boyutlarda çalışır, ✗ desteklenmiyor, – gerekli değil (model zaten herhangi bir giriş boyutunu kabul eder). Her özellik, rastgele başlatılmış bir model üzerinde çalıştırılarak kontrol edilir (VisionTransformerRelPos, 224 boyutunda vit_srelpos_small_patch16_224 ile); aynı sınıftaki diğer mimarilerin de aynı şekilde davranması beklenir. Ayrıntılar için Model API sayfasına bakın.

Mimariler

GMAC'lar ve parametre sayıları, her mimarinin varsayılan giriş boyutu ve sınıflandırıcısı içindir ve benchmark sonuçlarından alınmıştır.

Önceden eğitilmiş ağırlıklar

Top-1, belirtilen değerlendirme boyutunda results-imagenet.csv dosyasındaki ImageNet-1k doğrulama doğruluğudur; ağırlığın ImageNet-1k sonucu yoksa (ör. ön eğitim veya görsel-metin ağırlıkları) bu değer "-" olarak gösterilir. Classes, ön eğitilmiş sınıflandırıcının boyutudur; sınıflandırıcısı olmayan ağırlıklar için bu değer "none"dur.