Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Опубликована: 29 дек 2022

Ссылки

Hugging Face

vit-fire-detection

EdBianchi

Классификация изображенийИзображение → label3 профессии

Дообученный Vision Transformer классифицирует изображения для обнаружения огня.

1 674скачиваний за 30 дней12лайковвеса обновлены22 сен 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

EdBianchi разработал эту модель как дообученную версию Vision Transformer google/vit-base-patch16-224-in21k для классификации изображений с целью обнаружения огня. Модель содержит 113,2 млн параметров и распространяется в формате PyTorch.

В README приведены результаты оценки: loss 0,0126, precision 0,9960 и recall 0,9960. Сведения о наборе данных, условиях оценки и ограничениях не приведены, поэтому эти показатели не позволяют судить о качестве на других изображениях. Лицензия — Apache-2.0.

Сценарии применения

классификация изображений на наличие огня
автоматическая проверка фотографий и кадров на признаки пожара
экспериментальная оценка систем обнаружения огня по изображениям

Ограничения

README не сообщает состав и размер обучающего набора, условия оценки или устойчивость к различным сценам и качеству изображений. Приведённые метрики относятся только к указанному evaluation set.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей IV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962модели IV.3Отраслевые задачиСтрахование и актуарные задачиAI помогает оценивать риски, обрабатывать убытки и управлять страховым портфелем.30 задач563модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vit-fire-detection

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0126
Precision: 0.9960
Recall: 0.9960

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: 0.0002
train_batch_size: 32
eval_batch_size: 32
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 100
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall
0.1018	1.0	190	0.0375	0.9934	0.9934
0.0484	2.0	380	0.0167	0.9961	0.9960
0.0357	3.0	570	0.0253	0.9948	0.9947
0.0133	4.0	760	0.0198	0.9961	0.9960
0.012	5.0	950	0.0203	0.9947	0.9947
0.0139	6.0	1140	0.0204	0.9947	0.9947
0.0076	7.0	1330	0.0175	0.9961	0.9960
0.0098	8.0	1520	0.0115	0.9974	0.9974
0.0062	9.0	1710	0.0133	0.9960	0.9960
0.0012	10.0	1900	0.0126	0.9960	0.9960

Framework versions

Transformers 4.25.1
Pytorch 1.14.0.dev20221111
Datasets 2.8.0
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: ViTForImageClassification
Ревизия весов: 9eb1ec5