Характеристики

Лицензия: Apache 2.0
Архитектура: resnet · dense
Библиотека: transformers
Опубликована: 17 янв 2025

Ссылки

Hugging Face

orientation_resnet-50

CGCTG

Классификация изображенийИзображение → label4 профессии

Дообученная ResNet-50 для классификации изображений по ориентации.

16скачиваний за 30 дней0лайковвеса обновлены17 янв 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

CGCTG/orientation_resnet-50 — дообученная модель классификации изображений на базе ResNet-50, представленная в Transformers и сохранённая в формате safetensors. Она предназначена для определения ориентации на изображениях. В README приведены результаты на оценочной выборке: loss 0,5106 и accuracy 0,7598; обучение указано на датасете imagefolder. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

определение ориентации изображения
автоматическая сортировка изображений по ориентации
проверка ориентации изображений перед обработкой

Ограничения

На оценочной выборке указана точность 0,7598; характеристики и ограничения подробнее в карточке не описаны.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

orientation_resnet-50

This model is a fine-tuned version of CGCTG/orientation_resnet-50 on the imagefolder dataset. It achieves the following results on the evaluation set:

Loss: 0.5106
Accuracy: 0.7598

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 0.05
train_batch_size: 16
eval_batch_size: 16
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 64
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 3
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.7836	1.0	87	1.2301	0.4986
0.6808	2.0	174	0.6659	0.6382
0.5641	2.9711	258	0.5106	0.7598

Framework versions

Transformers 4.48.0
Pytorch 2.5.1+cu124
Datasets 3.2.0
Tokenizers 0.21.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ResNetForImageClassification
Ревизия весов: 71c3246