/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
wildlife-datasets
Опубликована
7 апр 2025

MegaDescriptor-CLIP-336

Классификация изображенийИзображение → label3 профессии

Модель на основе CLIP извлекает признаки изображений животных для поиска похожих особей и повторной идентификации.

13 173скачиваний за 30 дней0лайковвеса обновлены7 апр 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

BVRA/MegaDescriptor-CLIP-336 — модель извлечения признаков изображений на основе CLIP, предварительно обученная Supervisely на наборах данных для повторной идентификации животных. Она предназначена для получения векторных представлений изображений животных, которые можно использовать для поиска похожих особей и построения систем идентификации. В основе лежит timm/vit_large_patch14_clip_336.openai_ft_in12k_in1k; модель содержит 304,5 млн параметров и рассчитана на изображения размером 336 × 336 пикселей.

Модель подходит для задач повторной идентификации животных и сравнения изображений по сходству. В карточке указана лицензия CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

Сценарии применения

  • извлечение эмбеддингов изображений животных
  • поиск похожих изображений одной особи
  • повторная идентификация животных по фотографиям

Ограничения

Модель рассчитана на изображения животных и обучалась на наборах данных для их повторной идентификации; применимость к другим типам изображений не описана. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model card

A CLIP based image feature model. Supervisely pre-trained on animal re-identification datasets. Original model: timm/vit_large_patch14_clip_336.openai_ft_in12k_in1k

Model Details

  • Model Type: Animal re-identification / feature backbone
  • Model Stats:
  • Params (M): 304.5
  • GMACs: 174.7
  • Activations (M): 128.2
  • Image size: 336 x 336

Model Usage

Image Embeddings


import timm
import torch
import torchvision.transforms as T

from PIL import Image
from urllib.request import urlopen

model = timm.create_model("hf-hub:BVRA/MegaDescriptor-CLIP-336", pretrained=True)
model = model.eval()

transforms = T.Compose([T.Resize(336), 
                              T.ToTensor(), 
                              T.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])]) 

img = Image.open(urlopen(
    'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

output = model(transforms(img).unsqueeze(0))  # output is (batch_size, num_features) shaped tensor
# output is a (1, num_features) shaped tensor

Citation

@inproceedings{vcermak2024wildlifedatasets,
  title={WildlifeDatasets: An open-source toolkit for animal re-identification},
  author={{\v{C}}erm{\'a}k, Vojt{\v{e}}ch and Picek, Lukas and Adam, Luk{\'a}{\v{s}} and Papafitsoros, Kostas},
  booktitle={Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision},
  pages={5953--5963},
  year={2024}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · wildlife-datasets · image-classification

Можно запустить

Подбираем GPU…

Ревизия весов
5099c62

0 моделей