Лицензия

Лицензия: Apache-2.0

Теги

• vision
• image-classification

Наборы данных

Imagenet-1k

Виджет

ResNet

Модель ResNet, обученная на наборе данных Imagenet-1K. Она была представлена в статье «Глубокое остаточное обучение для распознавания изображений» (Deep Residual Learning for Image Recognition) и впервые выпущена в этом репозитории (https://github.com/KaimingHe/deep-residual-networks).

Отказ от ответственности: команда, выпустившая ResNet, не написала карточку модели, поэтому эта карточка была написана командой Hugging Face.

Описание модели

ResNet представила остаточные соединения, которые позволяют обучать сети с невиданным ранее количеством слоёв (до 1000). ResNet выиграла конкурс ILSVRC & COCO 2015 года, что стало важной вехой в глубоком компьютерном зрении.

Предназначение и ограничения

Вы можете использовать необработанную модель для классификации изображений. Смотрите модельный хаб (https://huggingface.co/models?search=resnet), чтобы найти доработанные версии для интересующей вас задачи.

Как использовать

Вот как можно использовать эту модель:

>>> from transformers import AutoFeatureExtractor, ResNetForImageClassification
>>> import torch
>>> from datasets import load_dataset

>>> dataset = load_dataset("huggingface/cats-image")
>>> image = dataset["test"]["image"][0]

>>> feature_extractor = AutoFeatureExtractor.from_pretrained("microsoft/resnet-18")
>>> model = ResNetForImageClassification.from_pretrained("microsoft/resnet-18")

>>> inputs = feature_extractor(image, return_tensors="pt")

>>> with torch.no_grad():
...     logits = model(**inputs).logits

>>> # модель предсказывает один из 1000 классов ImageNet
>>> predicted_label = logits.argmax(-1).item()
>>> print(model.config.id2label[predicted_label])
тигр кот

Для получения дополнительных примеров кода обратитесь к документации (https://huggingface.co/docs/transformers/master/en/model_doc/resnet).