ConvNeXt V2（大型模型）

ConvNeXt V2 模型是在 FCMAE 框架上进行预训练，并在 ImageNet-1K 数据集上进行了 224x224 分辨率的微调。该模型是由 Woo 等人在论文 ConvNeXt V2: Co-designing and Scaling ConvNets with Masked Autoencoders 中提出的，并在 this repository 首次发布。

声明：ConvNeXT V2 团队没有为这个模型编写模型卡片，因此这个模型卡片是由 Hugging Face 团队编写的。

模型描述

ConvNeXt V2 是一个纯卷积模型(ConvNet)，它引入了完全卷积的遮罩自编码器框架（FCMAE）和一个新的全局响应归一化（GRN）层到 ConvNeXt。ConvNeXt V2 在各种识别基准上显著改善了纯 ConvNet 的性能。

预期用途及限制

您可以使用原始模型进行图像分类。请参阅 model hub ，寻找您感兴趣的任务的微调版本。

使用方法

在这里，您可以了解如何使用此模型将 COCO 2017 数据集中的图像分类为 1,000 个 ImageNet 类别之一：

from transformers import AutoImageProcessor, ConvNextV2ForImageClassification
import torch
from datasets import load_dataset

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

preprocessor = AutoImageProcessor.from_pretrained("facebook/convnextv2-large-1k-224")
model = ConvNextV2ForImageClassification.from_pretrained("facebook/convnextv2-large-1k-224")

inputs = preprocessor(image, return_tensors="pt")

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

# model predicts one of the 1000 ImageNet classes
predicted_label = logits.argmax(-1).item()
print(model.config.id2label[predicted_label]),

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-2301-00808,
  author    = {Sanghyun Woo and
               Shoubhik Debnath and
               Ronghang Hu and
               Xinlei Chen and
               Zhuang Liu and
               In So Kweon and
               Saining Xie},
  title     = {ConvNeXt {V2:} Co-designing and Scaling ConvNets with Masked Autoencoders},
  journal   = {CoRR},
  volume    = {abs/2301.00808},
  year      = {2023},
  url       = {https://doi.org/10.48550/arXiv.2301.00808},
  doi       = {10.48550/arXiv.2301.00808},
  eprinttype = {arXiv},
  eprint    = {2301.00808},
  timestamp = {Tue, 10 Jan 2023 15:10:12 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2301-00808.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}