Характеристики

Контекст: 1 024 токена
Параметры: 6,3 млн
Лицензия: Apache 2.0
Архитектура: detr · dense
Базовая модель: detr-resnet-50
Библиотека: transformers
Опубликована: 10 окт 2026

Ссылки

furniture_use_data_finetuning3

Поиск объектовИзображение → bounding_boxes

Дообученная на неизвестном наборе данных модель DETR для обнаружения объектов и предсказания их классов и рамок на изображениях.

129скачиваний за 30 дней0лайковвеса обновлены10 окт 2026

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

KYU12123/furniture_use_data_finetuning3 — дообученная модель DETR на ResNet-50 для обнаружения и локализации объектов на изображениях. Модель предсказывает классы объектов и их ограничивающие рамки; README указывает, что она дообучена на неизвестном наборе данных. Категории объектов и конкретные сценарии применения не описаны.

Модель принимает изображения и выдаёт разметку объектов с классами и рамками. Она основана на facebook/detr-resnet-50, использует архитектуру DetrForObjectDetection и представлена в формате safetensors. Размер указан в метаданных как 6,3 млн параметров, контекст — 1024 токена. Лицензия — Apache-2.0. Данных о целевых категориях и оценке качества нет.

Сценарии применения

обнаружение объектов на изображениях мебели
локализация предметов с помощью ограничивающих рамок
определение классов объектов на изображении

Ограничения

README не уточняет классы объектов, состав обучающего набора и качество модели. Пригодность для конкретных категорий мебели следует проверять на целевых изображениях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

furniture_use_data_finetuning3

This model is a fine-tuned version of facebook/detr-resnet-50 on an unknown dataset.

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-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: linear
num_epochs: 100
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 4.57.6
Pytorch 2.11.0+cu130
Datasets 4.8.5
Tokenizers 0.22.2

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: DetrForObjectDetection
Ревизия весов: 8aaf910