Характеристики

Лицензия: Apache 2.0
Архитектура: resnet · dense
Опубликована: 27 янв 2023

Ссылки

Hugging Face

resnet-50-finetuned-FER2013-0.003

Celal11

Классификация изображенийИзображение → label3 профессии

Дообученная ResNet-50 для классификации изображений на основе набора FER2013.

64скачиваний за 30 дней0лайковвеса обновлены27 янв 2023

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

Это модель классификации изображений на архитектуре ResNet-50, дообученная на наборе данных FER2013. Базовая модель — microsoft/resnet-50; разработчик репозитория — Celal11. Модель предназначена для присвоения изображению класса из обучающей разметки FER2013.

На тестовой выборке указаны loss 0,9036 и accuracy 0,6971. Карточка не описывает назначение классов, поэтому нельзя уверенно утверждать, какие именно категории она распознаёт. Модель опубликована в формате PyTorch и распространяется по лицензии Apache-2.0.

Сценарии применения

классификация изображений по категориям FER2013
эксперименты с распознаванием выражений лица
оценка качества классификатора на изображениях FER2013

Ограничения

На оценочной выборке указана точность 0,6971; назначение классов и ограничения применения в карточке подробно не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

resnet-50-finetuned-FER2013-0.003

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

Loss: 0.9036
Accuracy: 0.6971

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: 0.003
train_batch_size: 32
eval_batch_size: 32
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 128
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 15

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.4393	1.0	224	1.2746	0.5173
1.2564	2.0	448	1.1456	0.5542
1.218	3.0	672	1.1102	0.5816
1.1919	4.0	896	1.0255	0.6151
1.1222	5.0	1120	1.0257	0.6167
1.0925	6.0	1344	0.9676	0.6317
1.0241	7.0	1568	0.9406	0.6510
1.0015	8.0	1792	0.9465	0.6532
0.987	9.0	2016	0.9002	0.6748
0.9768	10.0	2240	0.9086	0.6737
0.9408	11.0	2464	0.8975	0.6793
0.8907	12.0	2688	0.8966	0.6769
0.8051	13.0	2912	0.9142	0.6826
0.8169	14.0	3136	0.9082	0.6870
0.7729	15.0	3360	0.9036	0.6971

Framework versions

Transformers 4.20.1
Pytorch 1.11.0
Datasets 2.1.0
Tokenizers 0.12.1

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ResNetForImageClassification
Ревизия весов: ff02836