Характеристики

Параметры: 113 млн
Лицензия: CC BY-NC 4.0
Архитектура: videomae · dense
Базовая модель: videomae-base
Библиотека: transformers
Опубликована: 2 дек 2024

Ссылки

Hugging Face

videomae-base-finetuned-beilinson

DaliaSherman

Классификация видеоВидео → label

Дообученная VideoMAE модель для классификации видео по меткам классов.

11скачиваний за 30 дней0лайковвеса обновлены2 дек 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

DaliaSherman/videomae-base-finetuned-beilinson — дообученная для классификации видео модель семейства VideoMAE, созданная на основе MCG-NJU/videomae-base и опубликованная пользователем DaliaSherman. Модель содержит 113,2 млн параметров и использует архитектуру VideoMAEForVideoClassification; файлы весов представлены в формате safetensors.

Она предназначена для присвоения видео меток классов. На указанном в карточке наборе оценки точность составила 0,2146, а функция потерь — 2,7997. Данные обучения и классы не описаны, поэтому применимость к конкретным типам видео оценить нельзя. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

классификация видео по классам
экспериментальная оценка классификации видеоклипов
дообучение классификатора видео под собственный набор данных

Ограничения

Точность на указанном evaluation set составляет 0,2146; набор данных и перечень классов не раскрыты. Коммерческое использование запрещено лицензией CC BY-NC 4.0.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

videomae-base-finetuned-beilinson

This model is a fine-tuned version of MCG-NJU/videomae-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 2.7997
Accuracy: 0.2146

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: 8
eval_batch_size: 8
seed: 42
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
training_steps: 156

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
2.937	0.3333	52	3.0845	0.0730
2.4678	1.3333	104	2.8946	0.1459
2.4529	2.3333	156	2.7997	0.2146

Framework versions

Transformers 4.46.2
Pytorch 2.5.1+cu121
Datasets 3.1.0
Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · video-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: VideoMAEForVideoClassification
Ревизия весов: 7adbd02