MobileNet V2

MobileNet V2模型在ImageNet-1k数据集上以224x224的分辨率进行了预训练。它由Mark Sandler, Andrew Howard, Menglong Zhu, Andrey Zhmoginov和Liang-Chieh Chen于 MobileNetV2: Inverted Residuals and Linear Bottlenecks 年提出。该模型于 this repository 年首次发布。

免责声明：MobileNet V2的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 的描述：

MobileNets是小型、低延迟、低功耗模型，其参数化设计满足各种使用案例的资源限制。与其他流行的大型模型（例如Inception）类似，它们可用于分类、检测、嵌入和分割。MobileNets可在移动设备上高效运行[...] MobileNets在延迟、大小和准确性之间进行了权衡，并且在与文献中的流行模型进行比较时表现出色。

检查点的命名为mobilenet_v2_depth_size，例如mobilenet_v2_1.0_224，其中1.0是深度乘数，224是模型训练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的微调版本。

如何使用

下面是如何使用该模型将COCO 2017数据集中的图像分类为1,000个ImageNet类别之一：

from transformers import AutoImageProcessor, 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_v2_1.0_224")
model = AutoModelForImageClassification.from_pretrained("google/mobilenet_v2_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：该模型实际上预测了1001个类别，即ImageNet的1000个类别加上一个额外的“背景”类别（索引为0）。

目前，特征提取器和模型均支持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}
}