OFA-图片分类 (ImageNet-1K)

ImageNet-1K图片分类

ImageNet-1K图片分类任务：给定一张图片，要求模型从1K个候选类别中正确给出图片分类标签。

快速玩起来

玩转OFA只需区区以下数行代码，就是如此轻松！如果你觉得还不够方便，请点击右上角Notebook按钮，我们为你提供了配备好的环境（可选CPU/GPU），你只需要在otebook里输入提供的代码，就可以把OFA玩起来了！

from modelscope.pipelies import pipelie
from modelscope.utils.costat import Tasks
from modelscope.outputs import OutputKeys

ofa_pipe = pipelie(Tasks.image_classificatio,model='damo/ofa_image-classificatio_imageet_large_e')
result = ofa_pipe('http://xigche-data.oss-c-zhagjiakou.aliyucs.com/maas/image-classificatio/image_classificatio.pg')
prit(result[OutputKeys.LABELS]) # 'forklift'

OFA是什么？

OFA(Oe-For-All)是通用多模态预训练模型，使用简单的序列到序列的学习框架统一模态（跨模态、视觉、语言等模态）和任务（如图片生成、视觉定位、图片描述、图片分类、文本生成等），详见我们发表于ICML 2022的论文：OFA: Uifyig Architectures, Tasks, ad Modalities Through a Simple Sequece-to-Sequece Learig Framework，以及我们的官方Github仓库https://github.com/OFA-Sys/OFA。

Github&bsp; ｜ &bsp;Paper &bsp; ｜ &bsp;Blog

OFA模型规模：

效果展示

OFA在ImageNet-1K上达到85.6的分类准确率，超出DINO、MoCo-v3等模型。分类效果展示如下：

模型训练流程

训练数据介绍

本模型训练数据集是imageet数据集。

训练流程

fietue能力请参考OFA Tutorial 1.4节。

模型局限性以及可能的偏差

训练数据集自身有局限，有可能产生一些偏差，请用户自行评测后决定如何使用。

相关论文以及引用信息

如果你觉得OFA好用，喜欢我们的工作，欢迎引用：

@article{wag2022ofa,
  author    = {Peg Wag ad
               A Yag ad
               Rui Me ad
               Juyag Li ad
               Shuai Bai ad
               Zhikag Li ad
               Jiaxi Ma ad
               Chag Zhou ad
               Jigre Zhou ad
               Hogxia Yag},
  title     = {OFA: Uifyig Architectures, Tasks, ad Modalities Through a Simple Sequece-to-Sequece
               Learig Framework},
  joural   = {CoRR},
  volume    = {abs/2202.03052},
  year      = {2022}
}

OFA-图片分类 (ImageNet-1K) ImageNet-1K图片分类 ImageNet-1K图片分类任务：给定一张图片，要求模型从1K个候选类别中正确给出图片分类标签。 快速玩起来 玩转OFA