/ Модель

Характеристики

Контекст
1 024 токена
Параметры
6,3 млн
Лицензия
Apache 2.0
Архитектура
conditional_detr · dense
Базовая модель
conditional-detr-resnet-50
Библиотека
transformers
Опубликована
24 ноя 2025

cppe5_setup_on_roadsign_test

Поиск объектовИзображение → bounding_boxes3 профессии

Дообученная Conditional DETR с ResNet-50 для обнаружения объектов и локализации их рамками на изображениях.

15скачиваний за 30 дней0лайковвеса обновлены24 ноя 2025

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

Jesse020202/cppe5_setup_on_roadsign_test — модель обнаружения объектов, созданная дообучением Conditional DETR с ResNet-50 от Microsoft на неизвестном наборе данных. Она принимает изображения и предсказывает классы объектов и их ограничивающие рамки; название репозитория указывает на возможную настройку для дорожных знаков, но README этого не подтверждает. Модель представлена в формате safetensors и доступна по лицензии Apache-2.0. В README приведено значение loss 1.4669 на тестовой выборке, однако сведений о составе данных и практическом качестве обнаружения нет.

Сценарии применения

  • обнаружение объектов на изображениях
  • поиск и локализация дорожных знаков на изображениях — назначение не подтверждено README

Ограничения

Обучающий набор данных обозначен как неизвестный, а описание назначения и ограничений отсутствует; приведённый loss 1.4669 сам по себе не позволяет оценить качество детекции.

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

cppe5_setup_on_roadsign_test

This model is a fine-tuned version of microsoft/conditional-detr-resnet-50 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.4669

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 OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • num_epochs: 30

Training results

Training LossEpochStepValidation Loss
No log1.01072.1197
No log2.02142.1379
No log3.03211.9321
No log4.04281.8901
2.7185.05351.8736
2.7186.06421.8040
2.7187.07491.7457
2.7188.08561.7353
2.7189.09631.7223
1.661510.010701.6739
1.661511.011771.7112
1.661512.012841.6121
1.661513.013911.6118
1.661514.014981.5623
1.512215.016051.5774
1.512216.017121.5583
1.512217.018191.5591
1.512218.019261.5253
1.409519.020331.5523
1.409520.021401.5213
1.409521.022471.5017
1.409522.023541.5023
1.409523.024611.4772
1.331224.025681.4792
1.331225.026751.4729
1.331226.027821.4712
1.331227.028891.4693
1.331228.029961.4683
1.278229.031031.4671
1.278230.032101.4669

Framework versions

  • Transformers 4.56.2
  • Pytorch 2.8.0
  • Datasets 4.1.1
  • Tokenizers 0.22.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры
ConditionalDetrForObjectDetection
Ревизия весов
3e346d5

0 моделей