MobileNet V2

MobileNet V2 模型在 ImageNet-1k 上以 224x224 的分辨率预训练。它由 Mark Sandler、Andrew Howard、Menglong Zhu、Andrey Zhmoginov 和 Liang-Chieh Chen 在 MobileNetV2: Inverted Residuals and Linear Bottlenecks 年引入。它首次发布于 this repository 年。

免责声明：发布 MobileNet V2 的团队没有为该模型编写模型卡片，因此这个模型卡片是由 Hugging Face 团队编写的。

模型描述

根据 original README 的描述：

MobileNet 是小型、低延迟、低功耗的模型，其参数化以满足各种使用案例的资源约束。它们可以用于分类、检测、嵌入和分割，类似于其他流行的大规模模型（如 Inception）的用法。MobileNet 可以在移动设备上高效运行[...] 在与文献中的流行模型进行比较时，MobileNet 在延迟、大小和准确性之间取得了平衡，且表现优异。

检查点的命名方式是 mobilenet_v2_depth_size，例如 mobilenet_v2_1.4_224，其中 1.4 是深度乘子，224 是模型训练所使用的输入图像的分辨率。

预期用途和限制

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

如何使用

以下是如何使用该模型将 COCO 2017 数据集的图像分类为 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_1.4_224")
model = AutoModelForImageClassification.from_pretrained("google/mobilenet_v2_1.4_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 1001 个类别，包括 ImageNet 的 1000 个类别和额外的“背景”类别（索引为 0）。

目前，特征提取器和模型都支持 PyTorch。

BibTeX 条目和引文信息

@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}
}