swin-tiny-patch4-window7-224

ユースケースと概要説明

swin-tiny-patch4-window7-224 モデルは、ImageNet データセットで事前トレーニングされた Swin Transformer 画像分類モデルの tiny (小さな) バージョンです。Swin Transformer は、シフトされたウィンドウで表現が計算される階層型ビジョン・トランスフォーマーです。各パッチはサイズ 4 のトークンとして扱われ、特徴は生のピクセル RGB 値の連結として設定されます。モデルには各ウィンドウに 7 つのパッチがあります。モデルの小さなバージョンのステージには、それぞれ 2、2、6、2 つのレイヤーがあります。小さなバリアントの最初のステージの隠れ層のチャネル数は 96 です。

詳細については、論文およびリポジトリーで説明されています。

仕様

メトリック

値

タイプ

分類

GFlops

9.0280

MParams

28.8173

ソース・フレームワーク

PyTorch*

精度

メトリック

値

上位 1

81.38%

上位 5

95.51%

入力

元のモデル

画像、名前: input、形状: 1, 3, 224, 224、形式: B, C, H, W。

説明:

  • B - バッチサイズ

  • C - チャネル数

  • H - 画像の髙さ

  • W - 画像の幅

予想される色の順序: RGB。平均値: [123.675, 116.28, 103.53]、スケール値: [58.395, 57.12, 57.375]

変換されたモデル

画像、名前: input、形状: 1, 3, 224, 224、形式: B, C, H, W。

説明:

  • B - バッチサイズ

  • C - チャネル数

  • H - 画像の髙さ

  • W - 画像の幅

予想される色の順序: BGR。

出力

元のモデル

ImageNet クラスに基づくオブジェクト分類子、名前: probs、形状: 1, 1000、出力データ形式: B, C。

説明:

  • B - バッチサイズ

  • C - [0, 1] の範囲の各クラスの予測確率

変換されたモデル

ImageNet クラスに基づくオブジェクト分類子、名前: probs、形状: 1, 1000、出力データ形式: B, C。

説明:

  • B - バッチサイズ

  • C - [0, 1] の範囲の各クラスの予測確率

モデルをダウンロードして OpenVINO™ IR 形式に変換

以下の例に示すように、モデルをダウンロードし、必要に応じてモデル・ダウンローダーやその他の自動化ツールによってモデルを OpenVINO™ IR 形式に変換できます。

モデル・ダウンローダーの使用例:

omz_downloader --name <model_name>

モデル・コンバーターの使用例:

omz_converter --name <model_name>

デモの使い方

Open Model Zoo が提供する次のデモでこのモデルを使用して、その機能を確認できます。