Характеристики

Параметры: 113 млн
Лицензия: CC BY-NC 4.0
Архитектура: videomae · dense
Базовая модель: videomae-base-finetuned-beilinson
Библиотека: transformers
Опубликована: 3 дек 2024

Ссылки

Hugging Face

videomae-base-finetuned-beilinson-6epochs

DaliaSherman

Классификация видеоВидео → label

Дообученная VideoMAE-модель для классификации видео по меткам классов.

5скачиваний за 30 дней0лайковвеса обновлены3 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-6epochs — дообученная модель семейства VideoMAE для классификации видео по меткам классов. Она создана на основе DaliaSherman/videomae-base-finetuned-beilinson и содержит 113,2 млн параметров. Модель рассчитана на сценарии, где входное видео нужно отнести к одной из категорий.

В README приведены результаты оценки: accuracy 0,3948 и loss 2,1208; набор данных и перечень классов не раскрыты, поэтому результаты нельзя напрямую переносить на другие задачи. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

классификация видеоклипов по категориям
автоматическая разметка видео для каталога
распределение видеозаписей по классам

Ограничения

В README указаны accuracy 0,3948 и loss 2,1208 на оценочном наборе, но набор данных и классы не описаны. Лицензия CC BY-NC 4.0 не допускает коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

videomae-base-finetuned-beilinson-6epochs

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

Loss: 2.1208
Accuracy: 0.3948

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
1.7753	0.3333	52	2.5961	0.1974
1.7673	1.3333	104	2.3099	0.3090
1.4461	2.3333	156	2.1208	0.3948

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: 6a57b1d