RegNet

カテゴリ: CNN · コード: timm/models/regnet.py · アーキテクチャ: 36 · 事前学習済み重み: 65 (うち60がImageNet-1kの結果あり)

regular network design spaces 由来の RegNetX と RegNetY ネットワーク、“Fast and Accurate Model Scaling” 由来の RegNetZ、および pre-activation RegNetV などの timm による追加実装を含みます。pycls、torchvision、VISSL (SEER) からの重みも含まれます。

論文

• ネットワーク設計空間の設計
• 高速かつ正確なモデルスケーリング
• 野外における視覚特徴の自己教師あり事前学習
• 視覚認識モデルの弱教師あり事前学習の再検討

使用方法

事前学習済み重みの読み込み、画像の前処理、ファインチューニングについてはクイックスタートを、モデルをバックボーンとして使用する方法については特徴量抽出を参照してください。

>>> import timm
>>> model = timm.create_model('regnetx_064.pycls_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

モデルAPIのサポート

✓ 対応、✓ (square) 正方形サイズのみ対応、✗ 非対応、– 不要（モデルはすでに任意の入力サイズを受け入れる）。各機能をランダムに初期化されたモデル（RegNet の regnetx_002、224）で実行して確認しています。同じクラスの他のアーキテクチャも同様に動作すると予想されます。詳細はModel APIページを参照してください。

アーキテクチャ

GMACsとパラメータ数は、各アーキテクチャのデフォルトの入力サイズと分類器に基づいており、ベンチマーク結果から得られたものです。

事前学習済み重み

Top-1 は、results-imagenet.csv に記載された評価サイズでの ImageNet-1k 検証精度です。- は、ImageNet-1k の結果がない重み（例: プリトレーニング用または画像-テキスト用重み）を示します。Classes は事前学習済み分類器のサイズで、分類器を持たない重みについては none です。

重みはソースごとにグループ化されます。ソースは、事前学習設定で指定されている論文または出典、それ以外の場合はtimm以外の Hub 組織、さらにそれ以外の場合は事前学習タグの最初の部分（architecture.tag）です。重みが 1 つしかないソースは、other にリストされます。

facebookresearch/pycls

出典: github.com/facebookresearch/pycls

pytorch/vision

出典: github.com/pytorch/vision

ra3 タグ

facebookresearch/vissl

出典: github.com/facebookresearch/vissl

sw タグ

その他