/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
pvt_v2 · dense
Опубликована
25 фев 2024

pvt_v2_b0

Классификация изображенийИзображение → label3 профессии

PVTv2 — лёгкая иерархическая модель компьютерного зрения для классификации изображений.

16 965скачиваний за 30 дней5лайковвеса обновлены12 мар 2024

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

PVTv2 — лёгкая иерархическая модель зрения на основе Pyramid Vision Transformer v2, представленная в реализации Hugging Face PyTorch. В её слоях трансформера используются свёрточные операции, а архитектура формирует многомасштабные карты признаков и не требует дополнительных позиционных эмбеддингов.

Этот чекпойнт предназначен для классификации изображений. Архитектура PVTv2 также используется как основа для моделей сегментации, оценки монокулярной глубины и обнаружения объектов, однако карточка данного репозитория указывает задачу классификации. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • классификация изображений по категориям
  • определение основного объекта или сцены на изображении
  • использование многомасштабных признаков в задачах компьютерного зрения

Ограничения

Карточка не приводит оценок качества или сведений о наборах данных для этого чекпойнта. Для сегментации, оценки глубины и обнаружения объектов README описывает PVTv2 как основу для других моделей, а не как задачи этого репозитория.

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

PVTv2

This is the Hugging Face PyTorch implementation of the PVTv2 model.

Model Description

The Pyramid Vision Transformer v2 (PVTv2) is a powerful, lightweight hierarchical transformer backbone for vision tasks. PVTv2 infuses convolution operations into its transformer layers to infuse properties of CNNs that enable them to learn image data efficiently. This mix transformer architecture requires no added positional embeddings, and produces multi-scale feature maps which are known to be beneficial for dense and fine-grained prediction tasks.

Vision models using PVTv2 for a backbone:

  1. Segformer for Semantic Segmentation.
  2. GLPN for Monocular Depth.
  3. Deformable DETR for 2D Object Detection.
  4. Panoptic Segformer for Panoptic Segmentation.

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
PvtV2ForImageClassification
Ревизия весов
bafa29f

0 моделей