Swin Transformer

카테고리: ViT · 코드: timm/models/swin_transformer.py · 아키텍처: 9 · 사전학습된 가중치: 19 (ImageNet-1k 결과가 포함된 13개)

Swin Transformer는 계층형 비전 트랜스포머로, 로컬 윈도우 내에서 셀프 어텐션을 계산하며, 연속된 블록 간에 윈도우를 시프트하여 윈도우 간 연결을 수행합니다. S3(AutoFormerV2) 가중치를 포함합니다.

논문

사용

사전 학습된 가중치 로드, 이미지 전처리 및 파인튜닝에 대해서는 Quickstart를, 모델을 백본으로 사용하는 방법에 대해서는 Feature Extraction을 참고하세요.

>>> import timm
>>> model = timm.create_model('swin_tiny_patch4_window7_224.ms_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

모델 API 지원

기능	`SwinTransformer`
`features_only=True` feature map	✓ (strides 4, 8, 16, 32)
`forward_intermediates()`	✓
`prune_intermediate_layers()`	✓
입력 크기 무관, 변경 불필요	✗
`set_input_size()`	✓
`dynamic_img_size=True`	✓
`set_grad_checkpointing()`	✓
레이어별 LR 감쇠(`group_matcher()`)	✓
`reset_classifier()`	✓

✓ 지원됨, ✓ (정사각형) 정사각형 크기만 작동, ✗ 미지원, – 필요 없음(모델이 이미 모든 입력 크기를 허용). 무작위로 초기화된 모델(SwinTransformer의 swin_tiny_patch4_window7_224, 224)에서 각 기능을 실행하여 확인했습니다. 같은 클래스의 다른 아키텍처도 동일한 동작을 할 것으로 예상됩니다. 자세한 내용은 Model API 페이지를 참조하세요.

아키텍처

아키텍처	매개변수 (M)	GMAC	입력 크기	사전 학습된 가중치
`swin_base_patch4_window7_224`	87.77	15.47	224	3
`swin_base_patch4_window12_384`	87.90	47.19	384	3
`swin_large_patch4_window7_224`	196.53	34.53	224	2
`swin_large_patch4_window12_384`	196.74	104.08	384	2
`swin_s3_base_224`	71.13	13.69	224	1
`swin_s3_small_224`	49.74	9.43	224	1
`swin_s3_tiny_224`	28.33	4.64	224	1
`swin_small_patch4_window7_224`	49.61	8.77	224	3
`swin_tiny_patch4_window7_224`	28.29	4.51	224	3

GMACs와 매개변수 수는 각 아키텍처의 기본 입력 크기 및 분류기에 대한 값이며, 벤치마크 결과에서 가져왔습니다.

사전 학습된 가중치

Top-1은 results-imagenet.csv에 나열된 평가 크기에서 측정된 ImageNet-1k 검증 정확도입니다. - 가중치에 ImageNet-1k 결과가 없는 경우(예: 사전 학습 또는 이미지-텍스트 가중치)에는 표시하지 않습니다. Classes는 사전 학습된 분류기의 크기를 나타내며, 분류기가 없는 가중치의 경우 none입니다.

가중치	입력 크기	Top-1(%)	평가 크기	클래스	라이선스	Hub
`swin_base_patch4_window7_224.ms_in1k`	224	83.604	224	1000	mit	timm
`swin_base_patch4_window7_224.ms_in22k`	224	-	-	21841	mit	timm
`swin_base_patch4_window7_224.ms_in22k_ft_in1k`	224	85.276	224	1000	mit	timm
`swin_base_patch4_window12_384.ms_in1k`	384	84.478	384	1000	mit	timm
`swin_base_patch4_window12_384.ms_in22k`	384	-	-	21841	mit	timm
`swin_base_patch4_window12_384.ms_in22k_ft_in1k`	384	86.442	384	1000	mit	timm
`swin_large_patch4_window7_224.ms_in22k`	224	-	-	21841	mit	timm
`swin_large_patch4_window7_224.ms_in22k_ft_in1k`	224	86.320	224	1000	mit	timm
`swin_large_patch4_window12_384.ms_in22k`	384	-	-	21841	mit	timm
`swin_large_patch4_window12_384.ms_in22k_ft_in1k`	384	87.142	384	1000	mit	timm
`swin_s3_base_224.ms_in1k`	224	83.920	224	1000	mit	timm
`swin_s3_small_224.ms_in1k`	224	83.778	224	1000	mit	timm
`swin_s3_tiny_224.ms_in1k`	224	82.128	224	1000	mit	timm
`swin_small_patch4_window7_224.ms_in1k`	224	83.228	224	1000	mit	timm
`swin_small_patch4_window7_224.ms_in22k`	224	-	-	21841	mit	timm
`swin_small_patch4_window7_224.ms_in22k_ft_in1k`	224	83.330	224	1000	mit	timm
`swin_tiny_patch4_window7_224.ms_in1k`	224	81.388	224	1000	mit	timm
`swin_tiny_patch4_window7_224.ms_in22k`	224	-	-	21841	mit	timm
`swin_tiny_patch4_window7_224.ms_in22k_ft_in1k`	224	80.966	224	1000	mit	timm

Update on GitHub