MobileNet V2

MobileNet V2模型在解析度为224x224的ImageNet-1k上预训练。它由Mark Sandler、Andrew Howard、Menglong Zhu、Andrey Zhmoginov、Liang-Chieh Chen于 MobileNetV2: Inverted Residuals and Linear Bottlenecks 引入，首次发布于 this repository 。

免责声明：MobileNet V2发布团队未为该模型编写模型卡片，因此该模型卡片由Hugging Face团队编写。

模型描述

根据 original README 所述：

MobileNets是小型、低延迟、低功耗的模型，参数化以满足各种使用情况的资源限制。它们可以用于分类、检测、嵌入和分割，类似于如Inception等其他流行的大规模模型的用法。MobileNets可以高效地在移动设备上运行[…] MobileNets在延迟、大小和准确性之间进行权衡，并与文献中的流行模型有着有利的比较。

检查点的命名方式为mobilenet_v2_depth_size，例如mobilenet_v2_1.0_224，其中1.0是深度缩放因子，224是训练模型时输入图像的分辨率。

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 以寻找您感兴趣的任务上的微调版本。

使用方法

以下是将此模型用于将COCO 2017数据集中的图像分类为1000个ImageNet类之一的示例：

from transformers import MobileNetV2FeatureExtractor, MobileNetV2ForImageClassification
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 = MobileNetV2FeatureExtractor.from_pretrained("Matthijs/mobilenet_v2_1.0_224")
model = MobileNetV2ForImageClassification.from_pretrained("Matthijs/mobilenet_v2_1.0_224")

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])

注意：该模型实际上预测了1001个类别，即ImageNet的1000个类别加上额外的“背景”类别（索引为0）。

目前，特征提取器和模型都支持PyTorch。

BibTeX条目和引用信息

@inproceedings{mobilenetv22018,
  title={MobileNetV2: Inverted Residuals and Linear Bottlenecks},
  author={Mark Sandler and Andrew Howard and Menglong Zhu and Andrey Zhmoginov and Liang-Chieh Chen},
  booktitle={CVPR},
  year={2018}
}