Swin Transformer（大型模型）

Swin Transformer 模型基于 ImageNet-21k（包含 1400 万张图像，21,841 个类别）以 384x384 分辨率进行预训练。该模型由 Liu 等人在论文《Swin Transformer: 使用移位窗口的分层视觉 Transformer》中提出，并首次发布于此代码库。

免责声明：发布 Swin Transformer 的团队未为此模型编写模型卡，故本模型卡由 Hugging Face 团队撰写。

模型描述

Swin Transformer 是一种视觉 Transformer 架构。它通过在深层合并图像块（图中灰色部分）构建分层特征图，并因仅在局部窗口（图中红色部分）内计算自注意力而具备与输入图像大小呈线性关系的计算复杂度。因此，它可作为图像分类和密集识别任务的通用骨干网络。相比之下，先前的视觉 Transformer 仅生成单一低分辨率特征图，且因全局计算自注意力导致计算复杂度与输入图像大小呈平方关系。

模型结构图

来源

适用范围与限制

您可将原始模型用于图像分类任务。请访问模型中心查找您感兴趣任务的微调版本。

使用方法

以下示例展示如何将 COCO 2017 数据集的图像使用本模型分类为 1000 个 ImageNet 类别之一：

from transformers import AutoFeatureExtractor, SwinForImageClassification
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

feature_extractor = AutoFeatureExtractor.from_pretrained("microsoft/swin-base-patch4-window12-384-in22k")
model = SwinForImageClassification.from_pretrained("microsoft/swin-base-patch4-window12-384-in22k")

inputs = feature_extractor(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])

如需更多代码示例，请参阅官方文档。

BibTeX 条目与引用信息

@article{DBLP:journals/corr/abs-2103-14030,
  author    = {Ze Liu and
               Yutong Lin and
               Yue Cao and
               Han Hu and
               Yixuan Wei and
               Zheng Zhang and
               Stephen Lin and
               Baining Guo},
  title     = {Swin Transformer: Hierarchical Vision Transformer using Shifted Windows},
  journal   = {CoRR},
  volume    = {abs/2103.14030},
  year      = {2021},
  url       = {https://arxiv.org/abs/2103.14030},
  eprinttype = {arXiv},
  eprint    = {2103.14030},
  timestamp = {Thu, 08 Apr 2021 07:53:26 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2103-14030.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}