Характеристики

Параметры: 113 млн
Лицензия: CC BY-NC 4.0
Архитектура: videomae · dense
Базовая модель: videomae-base
Опубликована: 19 дек 2022

Ссылки

Hugging Face

videomae-base-finetuned-ucf101-subset

NiiCole

Классификация видеоВидео → label3 профессии

Дообученный VideoMAE-base для классификации видео по категориям действий.

30скачиваний за 30 дней0лайковвеса обновлены20 ноя 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

NiiCole дообучила видеотрансформер VideoMAE-base с архитектурой VideoMAEForVideoClassification для классификации видео. Модель содержит 113,2 млн параметров и сохранена в форматах PyTorch и Safetensors. В README указаны точность 0,8645 и loss 0,4799 на оценочном наборе; связь этих результатов с конкретным набором данных не раскрыта.

Модель предназначена для присвоения видео классов. Она дообучена на подмножестве UCF101, однако состав подмножества и перечень классов не описаны, поэтому применимость к конкретным категориям действий следует проверять отдельно. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Сценарии применения

классификация видеороликов по действиям
распознавание действий людей в видео
автоматическая категоризация видеоклипов
анализ видеоданных по классам UCF101

Ограничения

Подмножество обучающих данных и перечень классов не описаны, поэтому охват категорий неясен. Лицензия запрещает коммерческое использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

videomae-base-finetuned-ucf101-subset

This model is a fine-tuned version of MCG-NJU/videomae-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.4799
Accuracy: 0.8645

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: 1
eval_batch_size: 1
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
training_steps: 1500

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.6374	0.2	300	1.5436	0.4143
1.4888	1.2	600	1.4969	0.6
0.5068	2.2	900	1.2462	0.7571
1.0515	3.2	1200	0.8028	0.7714
0.0057	4.2	1500	0.3585	0.9429

Framework versions

Transformers 4.31.0
Pytorch 2.0.1+cu118
Datasets 2.14.4
Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм · video-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: VideoMAEForVideoClassification
Ревизия весов: 1ffdba0