MobileNet V1

在 ImageNet-1k 数据集上以 224x224 的分辨率进行预训练的 MobileNet V1 模型。它是由 Howard 等人在 MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 发表的，并于 this repository 首次发布。

免责声明：发布 MobileNet V1 的团队没有为此模型编写模型卡片，因此此模型卡片由 Hugging Face 团队编写。

模型描述

来自 original README ：

MobileNets 是小型、低延迟、低功耗的模型，其参数满足各种用例的资源约束。它们可以用于分类、检测、嵌入和分割等任务，类似于其他流行的大型模型（如 Inception ）。MobileNets 能够在移动设备上高效运行[...]在延迟、大小和准确性之间进行平衡，并与文献中的流行模型相比表现出色。

使用目的和限制

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的微调版本。

使用方法

这是如何使用此模型将 COCO 2017 数据集中的图像分类为 1,000 个 ImageNet 类别之一的示例：

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_1.0_224")
model = AutoModelForImageClassification.from_pretrained("google/mobilenet_v1_1.0_224")

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：此模型实际上会预测 1001 个类别，即来自 ImageNet 的 1000 个类别以及一个额外的“background”类别（索引 0）。

目前，特征提取器和模型都支持 PyTorch。