/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
wildlife-datasets
Опубликована
6 ноя 2023

MegaDescriptor-T-224

Классификация изображенийИзображение → label3 профессии

Swin-T-модель для извлечения признаков и эмбеддингов фотографий животных с целью повторной идентификации особей.

220 тыс.скачиваний за 30 дней2лайкавеса обновлены5 янв 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-T-224 — модель извлечения признаков изображений на основе Swin-T, представленная проектом WildlifeDatasets. Она предварительно обучена на наборах данных для повторной идентификации животных и предназначена для получения эмбеддингов изображений животных, позволяющих сопоставлять особей по фотографиям. Архитектура — Swin Transformer Tiny с патчами 4×4 и окнами 7×7; модель содержит 28,3 млн параметров и рассчитана на изображения размером 224 × 224 пикселя.

Модель подходит для построения систем повторной идентификации животных и поиска похожих особей по визуальным признакам. В карточке указан формат PyTorch и лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. README описывает получение эмбеддингов; метаданные также указывают задачу классификации изображений.

Сценарии применения

  • сопоставление фотографий одной и той же особи животного
  • поиск похожих животных по эмбеддингу изображения
  • построение системы повторной идентификации диких животных
  • извлечение признаков животных для экологических исследований

Ограничения

Модель рассчитана на изображения 224 × 224 пикселя и обучалась на наборах данных повторной идентификации животных; перенос на другие типы изображений не подтверждён. 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-T-224

A Swin-T 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-T-224", pretrained=True)
model = model.eval()

train_transforms = T.Compose([T.Resize(224), 
                              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
3ea58ff

0 моделей