Характеристики

Параметры: 33 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Опубликована: 2 авг 2022

Ссылки

Hugging Face

swin-tiny-patch4-window7-224-finetuned-eurosat

Chandanab

Классификация изображенийИзображение → label3 профессии

Дообученная Swin-модель для классификации спутниковых изображений EuroSAT.

15скачиваний за 30 дней0лайковвеса обновлены24 авг 2022

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

Chandanab выпустил дообученную модель классификации изображений на архитектуре Swin Transformer. Она основана на microsoft/swin-tiny-patch4-window7-224 и дообучена на наборе данных image_folder для классификации снимков EuroSAT. Модель содержит около 33 млн параметров и распространяется в формате PyTorch по лицензии Apache-2.0.

Модель подходит для классификации спутниковых изображений по категориям EuroSAT. В README указана точность 0,9394 и loss 0,1677 на оценочной выборке. Эти результаты относятся к указанной оценке и сами по себе не гарантируют качество на других данных.

Сценарии применения

классификация спутниковых снимков по категориям EuroSAT
распознавание типов земного покрова на спутниковых изображениях
эксперименты с классификацией дистанционного зондирования Земли

Ограничения

Заявленные метрики получены на оценочной выборке EuroSAT; качество на других источниках изображений или категориях не подтверждено. README не описывает дополнительные ограничения и условия применения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

swin-tiny-patch4-window7-224-finetuned-eurosat

This model is a fine-tuned version of microsoft/swin-tiny-patch4-window7-224 on the image_folder dataset. It achieves the following results on the evaluation set:

Loss: 0.1677
Accuracy: 0.9394

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: 5e-05
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: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	7	0.3554	0.8081
0.4819	2.0	14	0.2077	0.9091
0.1985	3.0	21	0.1677	0.9394

Framework versions

Transformers 4.17.0
Pytorch 1.11.0+cpu
Datasets 2.2.0
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: SwinForImageClassification
Ревизия весов: a0fcdc2