/ Модель
Каталог

Характеристики

Параметры
18,9 млн
Лицензия
Apache 2.0
Архитектура
hubert · dense
Базовая модель
distilhubert
Опубликована
4 апр 2024

Ссылки

Hugging Face

heartbeat-detection

Hemg
Классификация текстаТекст → label3 профессии

Компактная модель на базе DistilHuBERT классифицирует аудио для обнаружения сердцебиения.

109скачиваний за 30 дней0лайковвеса обновлены4 апр 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

Hemg/heartbeat-detection — модель Hemg для классификации аудио, дообученная на базе ntu-spml/distilhubert. Она использует архитектуру HuBERT и содержит 18,9 млн параметров. Модель предназначена для обнаружения сердцебиения по аудиозаписям; README сообщает точность 1,0 и loss 0,6877 на оценочном наборе.

Карточка указывает лицензию Apache-2.0. Состав и условия записи данных, методика оценки и ограничения применения не описаны, поэтому приведённый результат сам по себе не подтверждает надёжность в клинических условиях.

Сценарии применения

  • классификация аудиозаписей для выявления сердцебиения
  • первичная фильтрация записей при анализе сердечных звуков
  • эксперименты с классификацией медицинского аудио

Ограничения

README не описывает обучающие данные и ограничения; метрика точности 1,0 приведена для оценочного набора без дополнительных подробностей. Результат не устанавливает пригодность модели для клинической диагностики.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделейIV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962моделиIV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

heartbeat-detection

This model is a fine-tuned version of ntu-spml/distilhubert on the audiofolder dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6877
  • Accuracy: 1.0

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-06
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.01
  • num_epochs: 100

Training results

Training LossEpochStepValidation LossAccuracy
1.59991.081.59620.2222
1.58272.0161.57490.8519
1.56173.0241.55460.9630
1.5414.0321.53461.0
1.52155.0401.51531.0
1.50146.0481.49621.0
1.48177.0561.47741.0
1.46228.0641.45881.0
1.44449.0721.44041.0
1.424410.0801.42211.0
1.406811.0881.40411.0
1.38912.0961.38621.0
1.370613.01041.36851.0
1.352614.01121.35101.0
1.334815.01201.33371.0
1.317616.01281.31651.0
1.300317.01361.29971.0
1.28318.01441.28291.0
1.266719.01521.26641.0
1.250820.01601.25011.0
1.234521.01681.23411.0
1.218922.01761.21831.0
1.205223.01841.20291.0
1.188224.01921.18761.0
1.173425.02001.17251.0
1.15926.02081.15791.0
1.144927.02161.14361.0
1.130228.02241.12951.0
1.117729.02321.11561.0
1.103230.02401.10211.0
1.090231.02481.08871.0
1.077632.02561.07581.0
1.065633.02641.06281.0
1.051934.02721.05021.0
1.041235.02801.03781.0
1.027736.02881.02551.0
1.017837.02961.01351.0
1.006738.03041.00211.0
0.994839.03120.99071.0
0.985240.03200.97991.0
0.97341.03280.96901.0
0.963542.03360.95861.0
0.95343.03440.94841.0
0.94344.03520.93841.0
0.93545.03600.92841.0
0.924946.03680.91881.0
0.91647.03760.90921.0
0.906848.03840.90011.0
0.898949.03920.89121.0
0.890450.04000.88261.0
0.883151.04080.87411.0
0.874452.04160.86591.0
0.867653.04240.85801.0
0.859254.04320.85011.0
0.853155.04400.84271.0
0.844556.04480.83521.0
0.838257.04560.82811.0
0.830858.04640.82121.0
0.826459.04720.81451.0
0.81960.04800.80791.0
0.813261.04880.80161.0
0.807862.04960.79541.0
0.80163.05040.78951.0
0.797164.05120.78381.0
0.79165.05200.77831.0
0.786166.05280.77291.0
0.780167.05360.76771.0
0.775668.05440.76271.0
0.771969.05520.75791.0
0.767170.05600.75331.0
0.76271.05680.74881.0
0.758172.05760.74461.0
0.753873.05840.74051.0
0.751274.05920.73651.0
0.746775.06000.73271.0
0.743576.06080.72911.0
0.741277.06160.72561.0
0.736878.06240.72231.0
0.734579.06320.71921.0
0.731380.06400.71621.0
0.728581.06480.71341.0
0.726182.06560.71071.0
0.72483.06640.70821.0
0.722184.06720.70581.0
0.718985.06800.70361.0
0.717186.06880.70161.0
0.714887.06960.69971.0
0.713188.07040.69791.0
0.711689.07120.69631.0
0.710790.07200.69481.0
0.708991.07280.69341.0
0.707792.07360.69221.0
0.706993.07440.69111.0
0.707194.07520.69021.0
0.70595.07600.68951.0
0.704596.07680.68881.0
0.703897.07760.68831.0
0.702998.07840.68801.0
0.704199.07920.68781.0
0.7029100.08000.68771.0

Framework versions

  • Transformers 4.39.3
  • Pytorch 2.2.1+cu121
  • Datasets 2.18.0
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Для архитектуры hubert нет загрузчика под задачу text-classification.

Класс архитектуры
HubertForSequenceClassification
Ревизия весов
3673c9d

0 моделей

    Создать бенчмарк