/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
wildlife-datasets
Опубликована
27 сен 2023

MegaDescriptor-L-384

Классификация изображенийИзображение → label3 профессии

Визуальная модель на базе Swin-L извлекает признаки изображений для повторной идентификации животных по фотографиям.

133 тыс.скачиваний за 30 дней18лайковвеса обновлены14 окт 2024

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

MegaDescriptor-L-384 — визуальная модель извлечения признаков на базе Swin-L, представленная проектом WildlifeDatasets. Она предварительно обучена на наборах данных по повторной идентификации животных и предназначена для получения эмбеддингов изображений, помогающих сопоставлять особей на разных снимках. Архитектура — Swin Large с конфигурацией swin_large_patch4_window12_384; модель содержит около 228,8 млн параметров и рассчитана на изображения размером 384 × 384 пикселя.

Модель подходит для построения систем повторной идентификации животных и поиска похожих особей по фотографиям. В метаданных Hugging Face основная задача обозначена как image-classification; карточка описывает модель как основу для извлечения признаков и показывает использование эмбеддингов. Лицензия CC BY-NC 4.0 требует указания авторства и не разрешает коммерческое использование.

Сценарии применения

  • сопоставление фотографий одной и той же особи животного
  • поиск похожих особей в коллекции фотографий дикой природы
  • извлечение эмбеддингов изображений животных для последующего поиска
  • создание системы повторной идентификации животных

Ограничения

Модель предназначена для изображений животных и не описана как универсальная модель визуального распознавания. Лицензия CC BY-NC 4.0 запрещает 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 for MegaDescriptor-L-384

A Swin-L image feature model. Superwisely pre-trained on animal re-identification datasets.

Model Details

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-L-384", pretrained=True)
model = model.eval()

train_transforms = T.Compose([T.Resize(size=(384, 384)),
                              T.ToTensor(), 
                              T.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])]) 

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

output = model(train_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
33b3c6f

0 моделей