معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Downloads pretrained Argus Vision models

ویژگی	مقدار
سیستم عامل	-
نام فایل	argusvision-1.1.0
نام	argusvision
نسخه کتابخانه	1.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	-
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/argusvision/
مجوز	-

# Argus Vision argusvision package provides easy to use access to image embedding models pretrained on Bing data - Argus Vision models. Interface is based on popular torchvision. In version 1.0, supported model is Argus Vision V6 - resnext101 32x8d Please note that provided models are offering image embeddings ## Installation ``pip install argusvision`` For Windows, torch needs to be install from wheel file. Please download the latest torch from here: https://download.pytorch.org/whl/torch_stable.html and then install it using: pip install <.whl file> ## Usage Input images should be in <b>BGR</b> format of shape (3 x H x W), where H and W are expected to be at least 224. The images have to be loaded in to a range of [0, 1] and then normalized using mean = [0.485, 0.456, 0.406] and std = [0.229, 0.224, 0.225]. Example script: ``` import argusvision import torch # This will load pretrained model model = argusvision.models.resnext101_32x8d() # This will initialize weights with default values model = argusvision.models.resnext101_32x8d(pretrained=False) # Load model to CPU memory, interface is the same as torchvision model = argusvision.resnext101_32x8d(map_location=torch.device('cpu')) ``` Example of creating image embeddings: ``` import argusvision from torchvision import transforms import torch from PIL import Image def get_image(): img = cv2.imread('example.jpg', cv2.IMREAD_COLOR) img = cv2.resize(img, (256, 256)) img = img[16:256-16, 16:256-16] preprocess = transforms.Compose([ transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) return preprocess(image).unsqueeze(0) # Unsqueeze only required when there's 1 image in images batch model = argusvision.models.resnext101_32x8d(map_location=torch.device('cpu')) features = model(get_image()) print(features.shape) ``` Should output ``` ... torch.Size([1, 2048]) ``` ### Benchmarks Here are the evaluations of the popular datasets Model | CIFAR-10 | STL-10 --- | --- | --- Torchvision, ResNext101 32x8d | 90% | 81.1% Argusvision, ResNext101 32x8d | 92.6% | 84.2%

نیازمندی

مقدار	نام
>=1.2.0	torch
-	azure-storage-blob
-	azure-identity
-	tqdm

نحوه نصب

نصب پکیج whl argusvision-1.1.0:

pip install argusvision-1.1.0.whl

نصب پکیج tar.gz argusvision-1.1.0:

pip install argusvision-1.1.0.tar.gz