MobileViT

Categoría: Eficiente/Móvil · Código: timm/models/mobilevit.py · Arquitecturas: 10 · Pesos preentrenados: 16 (16 con resultados en ImageNet-1k)

MobileViT combina bloques de residuo invertido de MobileNet-V2 con bloques MobileViT, que aplican transformers a parches desplegados para un procesamiento global. MobileViT-V2 utiliza autoatención separable. Se basa en la clase ByobNet.

Papers

• MobileViT: Vision Transformer ligero, de uso general y apto para móviles
• Autoatención separable para Vision Transformers móviles

Uso

Consulte la Introducción rápida para cargar pesos preentrenados, preprocesar imágenes y realizar el ajuste fino, y Extracción de características para usar los modelos como columnas verticales.

>>> import timm
>>> model = timm.create_model('mobilevitv2_200.cvnets_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

Soporte de la API de modelos

✓ compatible, ✓ (cuadrado) funciona solo con tamaños cuadrados, ✗ no compatible, – no necesario (el modelo ya acepta cualquier tamaño de entrada). Verificado ejecutando cada función en un modelo inicializado aleatoriamente (ByobNet con mobilevit_xxs en 256); se espera que otras arquitecturas de la misma clase se comporten de la misma manera. Consulte la página Model API para más detalles.

Arquitecturas

Los GMAC y el número de parámetros corresponden al tamaño de entrada y al clasificador predeterminados de cada arquitectura, según los resultados de las pruebas de rendimiento.

Pesos preentrenados

Top-1 es la precisión de validación en ImageNet-1k desde results-imagenet.csv en el tamaño de evaluación indicado, - si el peso no tiene un resultado de ImageNet-1k (p. ej. pesos de preentrenamiento o de imagen-texto). Classes es el tamaño del clasificador preentrenado, ninguno para pesos sin uno.