/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
vision-encoder-decoder · dense
Базовая модель
IC_ver6L_coco_swin_gpt2_50B_1e
Опубликована
23 авг 2023

IC_ver6M_coco_swin_gpt2_50A_1e

Изображение и текст → текст

Дообученная на COCO модель Swin-GPT-2 для создания текстовых описаний изображений.

5скачиваний за 30 дней0лайковвеса обновлены23 авг 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

VK246/IC_ver6M_coco_swin_gpt2_50A_1e — дообученная на датасете COCO модель для генерации текстовых описаний изображений. Она использует архитектуру vision-encoder-decoder: визуальный кодировщик Swin и текстовый декодер GPT-2. Модель принимает изображение и выдаёт текстовое описание на естественном языке.

В README приведены результаты оценки на тестовой выборке: CIDEr 74,26, ROUGE-1 41,23 и BLEU-4 9,87. Карточка не содержит дополнительных сведений о предполагаемых сценариях применения, ограничениях или лицензии; поэтому условия использования по этим данным определить нельзя.

Сценарии применения

  • автоматическое создание подписей к изображениям
  • генерация краткого описания фотографии
  • аннотирование изображений для каталога или архива

Ограничения

Оценка и описание модели ограничены задачей генерации подписей на COCO; качество на других типах изображений не установлено. Лицензия и дополнительные ограничения использования в предоставленных данных не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IC_ver6M_coco_swin_gpt2_50A_1e

This model is a fine-tuned version of VK246/IC_ver6L_coco_swin_gpt2_50B_1e on the coco dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8502
  • Cider: 74.2614
  • Rouge1: 41.2346
  • Rouge2: 15.6726
  • Rougel: 37.3373
  • Rougelsum: 37.3448
  • Bleu-1: 42.1725
  • Bleu-2: 24.0988
  • Bleu-3: 15.0597
  • Bleu-4: 9.8745
  • Gen Len: 11.2806

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: 96
  • eval_batch_size: 96
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1

Training results

Training LossEpochStepValidation LossCiderRouge1Rouge2RougelRougelsumBleu-1Bleu-2Bleu-3Bleu-4Gen Len
0.40520.3410000.993468.663939.916514.568136.243736.246641.460323.211814.28929.318711.2806
0.52810.6820000.850274.261441.234615.672637.337337.344842.172524.098815.05979.874511.2806

Framework versions

  • Transformers 4.32.0
  • 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

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
b3c92e6

0 моделей