MobileNet V1

MobileNet V1模型是在ImageNet-1k上以192x192分辨率进行预训练的。它由Howard等人于 MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 年引入，并于 this repository 年首次发布。

免责声明：发布MobileNet V1的团队并未为此模型撰写模型卡片，因此此模型卡片是由Hugging Face团队编写的。

模型描述

根据 original README ：

MobileNets是小型、低延迟、低功耗的模型，参数化以满足各种用例的资源限制。它们可以用于分类、检测、嵌入和分割，类似于其他热门的大规模模型，如Inception。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，并与文献中的热门模型相比具有优势。

预期用途和限制

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

使用方法

以下是如何使用此模型将COCO 2017数据集中的图像分类为1000个ImageNet类别之一的方法：

from transformers import AutoImageProcessor, AutoModelForImageClassification
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

preprocessor = AutoImageProcessor.from_pretrained("google/mobilenet_v1_0.75_192")
model = AutoModelForImageClassification.from_pretrained("google/mobilenet_v1_0.75_192")

inputs = preprocessor(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1001个类别，包括ImageNet的1000个类别和一个额外的“背景”类别（索引0）。

目前，特征提取器和模型都支持PyTorch。