Характеристики

Лицензия: Apache 2.0
Архитектура: resnet · dense
Базовая модель: resnet-50
Библиотека: transformers
Опубликована: 14 сен 2026

Ссылки

Hugging Face

FGVCBoeing737

CYK007

Классификация изображенийИзображение → label3 профессии

Дообученная ResNet-50 для классификации изображений Boeing 737.

468скачиваний за 30 дней0лайковвеса обновлены18 сен 2026

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

FGVCBoeing737 — модель классификации изображений, созданная дообучением ResNet-50 от Microsoft. Она предназначена для распознавания изображений самолётов Boeing 737. По данным README, на оценочной выборке точность составила 0,8239, а функция потерь — 0,9134. Модель использует архитектуру ResNet-50 и распространяется в формате safetensors; лицензия — Apache-2.0.

Модель подходит для автоматической сортировки и предварительной разметки фотографий Boeing 737. Состав классов и сведения о тренировочных данных в карточке не раскрыты, поэтому результаты на других типах изображений и наборах данных по приведённой оценке определить нельзя.

Сценарии применения

распознавание Boeing 737 на фотографиях
сортировка изображений самолётов Boeing 737
предварительная разметка фотографий Boeing 737

Ограничения

На оценочной выборке указана точность 0,8239; сведения о составе классов и обучающих данных отсутствуют. Качество на других типах изображений и наборах данных не установлено.

Для каких профессий подходит3

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FGVCBoeing737

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

Loss: 0.9134
Accuracy: 0.8239

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: 0.0001
train_batch_size: 8
eval_batch_size: 16
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 16
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: cosine
num_epochs: 20
label_smoothing_factor: 0.1

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
2.2723	1.0	63	2.3126	0.2590
2.2044	2.0	126	2.2263	0.4819
2.0267	3.0	189	2.0182	0.5422
1.6565	4.0	252	1.6908	0.5904
1.3822	5.0	315	1.4238	0.6717
1.1317	6.0	378	1.2162	0.7169
1.0107	7.0	441	1.0833	0.7801
0.8907	8.0	504	1.0006	0.7982
0.7858	9.0	567	0.9280	0.8163
0.7806	10.0	630	0.9243	0.8373
0.6625	11.0	693	0.9156	0.8223
0.6463	12.0	756	0.8927	0.8404
0.7098	13.0	819	0.8751	0.8434
0.6272	14.0	882	0.8363	0.8464
0.6315	15.0	945	0.8752	0.8434
0.6549	16.0	1008	0.8558	0.8313
0.6195	17.0	1071	0.8487	0.8404
0.5881	18.0	1134	0.8336	0.8614
0.6305	19.0	1197	0.8696	0.8283
0.6076	20.0	1260	0.8685	0.8343

Framework versions

Transformers 5.16.1
Pytorch 2.11.0+cu128
Datasets 4.8.5
Tokenizers 0.23.1

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: 4ffd9cb