Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Опубликована: 21 окт 2023

Ссылки

Hugging Face

Remote-Sensing-UAV-image-classification

SeyedAli

Классификация изображенийИзображение → label3 профессии

Дообученный ViT для классификации изображений дистанционного зондирования, включая снимки с БПЛА.

17скачиваний за 30 дней5лайковвеса обновлены22 янв 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

SeyedAli/Remote-Sensing-UAV-image-classification — дообученная модель Vision Transformer (ViT) для классификации изображений дистанционного зондирования, в том числе полученных с БПЛА. Она основана на google/vit-base-patch16-224-in21k и содержит 113,2 млн параметров. Модель обучена на наборе данных jonathan-roberts1/RSSCN7; для оценки указана точность 0,9907 и потеря 0,0593.

Модель принимает изображения и предсказывает для них классы, поэтому подходит для классификации снимков дистанционного зондирования в задачах компьютерного зрения. Она распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Подробности о метках классов и ограничениях применения в карточке не приведены.

Сценарии применения

классификация аэрофотоснимков с БПЛА
распознавание классов на изображениях дистанционного зондирования
сортировка спутниковых и воздушных снимков по категориям

Ограничения

Карточка не раскрывает перечень классов и подробности оценки; указанная точность относится к оценочному набору RSSCN7 и не гарантирует результаты на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей 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

Remote-Sensing-UAV-image-classification

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on an jonathan-roberts1/RSSCN7 dataset. It achieves the following results on the evaluation set:

Loss: 0.0593
Accuracy: 0.9907

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: 0.0002
train_batch_size: 16
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 4

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.3922	0.71	100	0.4227	0.8821
0.2986	1.43	200	0.3142	0.9089
0.1109	2.14	300	0.2056	0.9518
0.0864	2.86	400	0.2472	0.9375
0.0193	3.57	500	0.0593	0.9907

Framework versions

Transformers 4.34.1
Pytorch 2.1.0+cu118
Datasets 2.14.5
Tokenizers 0.14.1

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: fce23b7