/ Модель

Характеристики

Контекст
1 024 токена
Параметры
6,3 млн
Лицензия
Apache 2.0
Архитектура
detr · dense
Базовая модель
detr-resnet-50-finetuned-boat-dataset
Опубликована
2 мая 2024

Lab8_DETR_BOAT

Поиск объектовИзображение → bounding_boxes3 профессии

Дообученная на изображениях лодок модель DETR обнаруживает объекты и определяет их расположение.

14скачиваний за 30 дней0лайковвеса обновлены2 мая 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

ChiJuiChen/Lab8_DETR_BOAT — дообученная модель обнаружения объектов на изображениях, основанная на zhuchi76/detr-resnet-50-finetuned-boat-dataset. Она использует архитектуру DETR с ResNet-50 и предназначена для обнаружения и локализации лодок на изображениях. Модель содержит 6,3 млн параметров и распространяется в формате Safetensors.

Модель подойдёт для поиска лодок на изображениях и получения их расположения в виде рамок объектов. Она обучена на наборе boat_dataset. Лицензия — Apache-2.0.

Сценарии применения

  • обнаружение лодок на фотографиях
  • поиск лодок на изображениях с камер наблюдения
  • локализация лодок рамками на изображениях
  • автоматическая разметка изображений с лодками

Ограничения

Карточка не содержит подробностей об оценке качества и известных ограничениях; результаты могут зависеть от соответствия изображений обучающему набору boat_dataset.

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

Lab8_DETR_BOAT

This model is a fine-tuned version of zhuchi76/detr-resnet-50-finetuned-boat-dataset on the boat_dataset dataset.

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: 1e-05
  • train_batch_size: 4
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1
  • mixed_precision_training: Native AMP

Training results

Framework versions

  • Transformers 4.40.1
  • Pytorch 2.0.0+cu118
  • Datasets 2.18.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры
DetrForObjectDetection
Ревизия весов
058e573

0 моделей