/ Модель

Характеристики

Параметры
120 млн
Лицензия
Apache 2.0
Архитектура
beit · dense
Опубликована
9 янв 2023

pedestrian_age_recognition

Классификация изображенийИзображение → label3 профессии

Дообученная BEiT-модель для классификации изображений пешеходов по возрастным категориям.

44скачиваний за 30 дней5лайковвеса обновлены6 июл 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

NTQAI/pedestrian_age_recognition — модель классификации изображений на архитектуре BEiT, дообученная на базе microsoft/beit-base-patch16-224-pt22k-ft22k. Она предназначена для распознавания возрастных категорий пешеходов по изображениям. В оценке на указанном наборе данных модель достигла accuracy 0,8073 и loss 0,5004.

Модель содержит 119,5 млн параметров и распространяется в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. В карточке не приведены сведения о классах возрастных категорий, составе обучающих данных и ограничениях применения, поэтому результаты для других условий съёмки и групп людей не установлены.

Сценарии применения

  • оценка возрастной категории пешехода на изображении
  • анализ изображений с пешеходами для исследовательских задач
  • классификация возраста людей на фотографиях

Ограничения

Не указаны возрастные классы и подробности обучающего набора; приведённые метрики относятся только к оценочному набору из карточки. Устойчивость к различным условиям съёмки и демографическим группам не описана.

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

pedestrian_age_recognition_local

This model is a fine-tuned version of microsoft/beit-base-patch16-224-pt22k-ft22k on the imagefolder dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5004
  • Accuracy: 0.8073

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: 2e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 1337
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 10.0

Training results

Training LossEpochStepValidation LossAccuracy
0.88491.020080.79390.6807
0.98362.040160.66940.7336
0.81283.060240.57680.7668
0.76114.080320.55410.7833
0.64415.0100400.54730.7773
0.56966.0120480.51870.7971
0.69257.0140560.50820.8038
0.57118.0160640.50920.8098
0.77419.0180720.50260.8020
0.526910.0200800.50040.8073

Framework versions

  • Transformers 4.24.0.dev0
  • Pytorch 1.12.1+cu113
  • Datasets 2.6.1
  • Tokenizers 0.13.1

Contact information

For personal communication related to this project, please contact Nha Nguyen Van (nha282@gmail.com).

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
BeitForImageClassification
Ревизия весов
3d6c6dd

0 моделей