Характеристики

Параметры: 113 млн
Лицензия: MIT
Архитектура: vit · dense
Опубликована: 20 авг 2026

Ссылки

Hugging Face

Product_Image_Classification

NurzatS

Классификация изображенийИзображение → label3 профессии

Классификатор ViT для распознавания на изображениях пяти категорий потребительских товаров.

10скачиваний за 30 дней1лайквеса обновлены20 авг 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

NurzatS/Product_Image_Classification — классификатор изображений товаров на архитектуре Vision Transformer (ViT), разработанный NurzatS и дообученный на базе google/vit-base-patch16-224-in21k. Модель распознаёт пять категорий: наушники, ноутбуки, смартфоны, телевизоры и часы. Она обучена на изображениях узбекских маркетплейсов asaxiy.uz, texnomart.uz и olcha.uz.

Модель принимает цветное RGB-изображение размером 224×224 пикселя и выдаёт категорию товара. В README приведена оценка на тестовой выборке из 163 изображений; для нескольких классов указаны высокие значения F1, но выборка невелика. Вес модели — 113,2 млн параметров, файлы опубликованы в формате safetensors. Лицензия MIT.

Сценарии применения

определение категории товара по фотографии
автоматическая разметка изображений каталога интернет-магазина
сортировка фотографий смартфонов, ноутбуков и телевизоров
классификация изображений часов и наушников

Ограничения

Модель ограничена пятью категориями: наушники, ноутбуки, смартфоны, телевизоры и часы; входное изображение должно быть RGB размером 224×224. Оценка приведена на тестовой выборке из 163 изображений, поэтому качество на иных товарах и изображениях может отличаться.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Product Image Classification

Классификатор изображений товаров (смартфоны, ноутбуки, телевизоры, часы, наушники) на базе Vision Transformer (ViT).

Модель обучена на датасете изображений, собранных с узбекских маркетплейсов (asaxiy.uz, texnomart.uz, olcha.uz).

Описание и характеристики

Базовая архитектура: google/vit-base-patch16-224-in21k
Категории (5 классов): headphones, laptop, smartphone, tv, watch
Размер входного изображения: 224x224 RGB

Качество модели (Evaluation)

Оценка производилась на тестовой выборке (dataset_prepared/test, 163 изображения):

Категория	Precision	Recall	F1-Score	Support
headphones	0.9091	0.9091	0.9091	33
laptop	0.9655	0.9032	0.9333	31
smartphone	0.8684	1.0000	0.9296	33
tv	1.0000	0.9697	0.9846	33
watch	1.0000	0.9394	0.9688	33
Accuracy			0.9448	163

Быстрый старт (Quickstart)

Для использования модели понадобятся библиотеки transformers, torch и pillow:

pip install transformers torch pillow

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: ViTForImageClassification
Ревизия весов: 590e933