---
title: cv_resnest101_general_recognition
canonical_url: "https://www.modelscope.cn/models/damo/cv_resnest101_general_recognition"
md_url: "https://www.modelscope.cn/models/damo/cv_resnest101_general_recognition.md"
repository: damo/cv_resnest101_general_recognition
chinese_name: "万物识别-中文-通用领域"
last_updated: 2022-10-24
license: "Apache License 2.0"
pipeline_tag: general-recognition
tasks:
  - general-recognition
library_name:
  - pytorch
frameworks:
  - pytorch
domain:
  - cv
downloads: 5176586
stars: 211
tags:
  - Alibaba
  - "general recognition"
---

# cv_resnest101_general_recognition

> cv_resnest101_general_recognition - damo 在 ModelScope 开源的模型。本模型是对包含主体物体的图像进行标签识别，无需任何额外输入，输出主体物体的类别标签，目前已经覆盖了5W多类的物体类别，几乎囊括了日常所有物体。

damo/cv_resnest101_general_recognition 是 ModelScope 魔搭社区上的general-recognition模型，采用 Apache License 2.0 许可。

- **Repository**: damo/cv_resnest101_general_recognition
- **License**: Apache License 2.0
- **Tasks**: general-recognition
- **Tags**: Alibaba, general recognition
- **Downloads**: 5176586
- **Stars**: 211
- **Last updated**: 2022-10-24

Source: https://www.modelscope.cn/models/damo/cv_resnest101_general_recognition

---

# 通用识别介绍

本模型是对包含主体物体的图像进行标签识别，无需任何额外输入，输出主体物体的类别标签，目前已经覆盖了5W多类的物体类别。

## 模型描述
模型采用resnest101结构
## 使用方式和范围

使用方式：
- 直接推理，对输入的图像直接进行推理

使用场景:
- 适合含有主体物体的图像进行物体标签识别，期望图像中主体物体占比不要过小

代码范例:

```python
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

general_recognition = pipeline(
            Tasks.general_recognition,
            model='damo/cv_resnest101_general_recognition')
result = general_recognition('https://pailitao-image-recog.oss-cn-zhangjiakou.aliyuncs.com/mufan/img_data/maas_test_data/dog.png')

```


## 训练数据
训练数据共约3000w带有各类物体标签的数据

## 模型训练
### 预处理
--图像输入：resize到256\*256，然后CenterCrop到224*224

### LR scheduler
初始LR为 0.0003，每隔10个epoch，lr调整为原来的1/4，共训练100个epoch。
## 数据评估及结果
通过收集线上的实际应用数据进行评测精度为80.1%