Swin Transformer

Swin Transformer V1: vision transformer hierarkis yang menghitung attention di dalam window lokal bergeser, bukan di seluruh gambar. LibreYOLO menyediakan empat ukuran untuk klasifikasi gambar.

Task: classify
Ukuran: t, s, b, l at 224 px
Instalasi: pip install libreyolo
Tier dukungan: Hanya inferensi, sejak v. Hanya prediksi, validasi, dan ekspor. Fitur pelatihan tidak berlaku.
Proyek upstream: Swin Transformer oleh Microsoft Research, MIT. Makalah, sumber
Lisensi: Kode Apache-2.0, bobot MIT. Penggunaan komersial

Instalasi

Swin tidak memerlukan komponen tambahan opsional. Semua impornya tersedia dalam instalasi dasar.

bash

pip install libreyolo

Prediksi

Bobot diunduh dari Hugging Face saat pertama kali digunakan dan disimpan dalam cache lokal.

Python

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreSwint-cls.pt")result = model(SAMPLE_IMAGE, save=True) probs = result.probsprint(probs.top1, probs.top1conf)print(probs.top5, probs.top5conf)

CLI

libreyolo predict model=LibreSwint-cls.pt source=https://raw.githubusercontent.com/LibreYOLO/libreyolo/release/libreyolo/assets/parkour.jpg save=True

Pengklasifikasi mengembalikan result.probs, bukan result.boxes: top1 dan top5 memberikan indeks kelas, sedangkan top1conf dan top5conf memberikan confidence-nya. Setiap ukuran ditetapkan pada input 224px karena tahap attention akhir dibuat untuk resolusi tersebut; prediksi, validasi, dan ekspor semuanya memunculkan error jika imgsz berbeda diteruskan. Lihat prediksi untuk sumber, streaming, dan penanganan hasil.

Varian

Empat ukuran, tiny hingga large, dibuat dari tower shifted-window yang sama dan berbeda dalam lebar embedding serta kedalaman tahap. Large di-pretrain pada ImageNet-22k dan dilakukan fine-tuning pada ImageNet-1k; tiga lainnya dilatih langsung pada ImageNet-1k. LibreYOLO menyediakan family ini khusus untuk inferensi: prediksi, validasi top-1/top-5 bergaya ImageNet, dan ekspor didukung, sedangkan resep pelatihan ImageNet upstream tidak diimplementasikan.

Validasi

val() berjalan terhadap split bergaya ImageFolder (direktori dengan subfolder train/ dan val/, satu folder per kelas) dan mengembalikan akurasi top-1 dan top-5.

Python

from libreyolo import LibreYOLO model = LibreYOLO("LibreSwint-cls.pt") # data adalah root direktori dengan split folder kelas train/ dan val/# (tata letak ImageFolder), bukan YAML dataset.metrics = model.val(data="imagenet-1k/") print(metrics["metrics/accuracy_top1"])print(metrics["metrics/accuracy_top5"])

CLI

libreyolo val model=LibreSwint-cls.pt data=imagenet-1k/

Ekspor

Task	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
classify	classify to ONNX: didukung	classify to TorchScript: didukung	classify to ExecuTorch: didukung	classify to TensorRT: didukung	classify to OpenVINO: didukung	classify to Paddle: tidak didukung	classify to MNN: tidak didukung	classify to RKNN: tidak didukung	classify to ncnn: didukung	classify to TFLite: tidak didukung	classify to CoreML: tidak didukung	classify to Core AI: tidak didukung

Artefak hasil ekspor dimuat kembali melalui LibreYOLO() berdasarkan sufiks berkasnya, sehingga berkas .onnx atau .engine berperilaku seperti checkpoint dan mengembalikan Results yang sama. Ekspor mencantumkan argumen yang diterima setiap format beserta komponen tambahan yang disediakan beberapa format.

Python

from libreyolo import LibreYOLO model = LibreYOLO("LibreSwint-cls.pt")model.export(format="onnx")model.export(format="tensorrt", half=True)

CLI

libreyolo export model=LibreSwint-cls.pt format=onnxlibreyolo export model=LibreSwint-cls.pt format=tensorrt half=True

Gunakan berkas hasil ekspor

from libreyolo import LibreYOLO, SAMPLE_IMAGE # Factory merutekan berdasarkan sufiks berkas, sehingga artefak hasil ekspor# dimuat seperti checkpoint lain dan mengembalikan objek Results yang sama.model = LibreYOLO("LibreSwint-cls.onnx")result = model(SAMPLE_IMAGE) print(result.probs.top1)

Checkpoint

Setiap berkas bobot yang dipublikasikan untuk family ini.

Berkas	Input (piksel)	Lisensi bobot
classify
LibreSwint-cls.pt	224	mit
LibreSwins-cls.pt	224	mit
LibreSwinb-cls.pt	224	mit
LibreSwinl-cls.pt	224	mit

Setiap berkas di atas saat ini tersedia di organisasi LibreYOLO dan diunduh saat pertama kali digunakan.

Lisensi

Periksa lisensi di repositori Hugging Face untuk bobot tertentu yang diunduh. Setiap checkpoint di organisasi LibreYOLO memiliki lisensi, dan lisensinya tidak selalu sama dalam satu family. Repositori tersebut adalah sumber resmi. Ringkasan di bawah menjelaskan ketentuan yang berlaku saat halaman ini terakhir diverifikasi.

Ini adalah deskripsi lisensi yang terlibat, bukan nasihat hukum. Jika jawabannya penting secara komersial, baca sendiri lisensinya dan mintalah nasihat dari penasihat hukum Anda.

Karya asli: Swin Transformer, Microsoft Research
Lisensi upstream: MIT
Sumber upstream: github.com/microsoft/Swin-Transformer
Kode LibreYOLO: MIT
Bobot: MIT, dipublikasikan ulang di huggingface.co/LibreYOLO
Interpretasi: MIT is a permissive license, so these weights can be used in commercial and closed-source products. It asks only that you keep the license text and copyright notice with any copy you redistribute, and it carries no explicit patent grant. LibreYOLO's runtime code for this family is a derived port of the Apache-2.0 timm Swin implementation (Ross Wightman, huggingface/pytorch-image-models), kept parameter-name compatible so the tensors load unchanged; the four released Tiny/Small/Base/Large checkpoints are Microsoft's own MIT-licensed patch-4/window-7 classifiers. Code and weights therefore sit under two different permissive licenses, both of which allow commercial use.

Sitasi

@inproceedings{liu2021Swin,
  title={Swin Transformer: Hierarchical Vision Transformer using Shifted Windows},
  author={Liu, Ze and Lin, Yutong and Cao, Yue and Hu, Han and Wei, Yixuan and Zhang, Zheng and Lin, Stephen and Guo, Baining},
  booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)},
  year={2021}
}

Disalin dari blok sitasi penulis di github.com/microsoft/Swin-Transformer#citing-swin-transformer.