/ Модель

Характеристики

Контекст
77 токенов
Размер весов
812 МБ
Лицензия
Своя лицензия
Архитектура
clip · dense
Библиотека
transformers.js
Опубликована
24 апр 2024

mobileclip_s0

Классификация изображений без дообученияИзображение, текст → label3 профессии

ONNX-версия MobileCLIP S0 для классификации изображений по текстовым описаниям в приложениях на Transformers.js.

7 789скачиваний за 30 дней7лайковвеса обновлены17 апр 2025

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

Xenova/mobileclip_s0 — конвертированная в ONNX версия MobileCLIP S0, подготовленная для работы с Transformers.js. Она предназначена для классификации изображений по текстовым описаниям без отдельного обучения на каждом наборе классов: модель сопоставляет изображение с предложенными вариантами и определяет наиболее подходящие. Компактная архитектура CLIP делает её пригодной для сценариев компьютерного зрения в JavaScript-приложениях. Карточка указывает лицензию other, поэтому условия использования следует уточнить в исходной лицензии модели.

Сценарии применения

  • классификация изображения по заданному списку текстовых категорий
  • поиск изображений по текстовому описанию
  • создание прототипа распознавания изображений в JavaScript-приложении

Ограничения

Точность зависит от формулировок текстовых категорий и может уступать специализированным классификаторам. Лицензия указана как other; перед использованием нужно проверить условия исходной модели.

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

https://github.com/apple/ml-mobileclip with ONNX weights to be compatible with Transformers.js.

Usage (Transformers.js)

If you haven't already, you can install the Transformers.js JavaScript library from NPM using:

npm i @huggingface/transformers

Example: Perform zero-shot image classification.

import {
  AutoTokenizer,
  CLIPTextModelWithProjection,
  AutoProcessor,
  CLIPVisionModelWithProjection,
  RawImage,
  dot,
  softmax,
} from '@huggingface/transformers';

const model_id = 'Xenova/mobileclip_s0';

// Load tokenizer and text model
const tokenizer = await AutoTokenizer.from_pretrained(model_id);
const text_model = await CLIPTextModelWithProjection.from_pretrained(model_id);

// Load processor and vision model
const processor = await AutoProcessor.from_pretrained(model_id);
const vision_model = await CLIPVisionModelWithProjection.from_pretrained(model_id);

// Run tokenization
const texts = ['cats', 'dogs', 'birds'];
const text_inputs = tokenizer(texts, { padding: 'max_length', truncation: true });

// Compute text embeddings
const { text_embeds } = await text_model(text_inputs);
const normalized_text_embeds = text_embeds.normalize().tolist();

// Read image and run processor
const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/cats.jpg';
const image = await RawImage.read(url);
const image_inputs = await processor(image);

// Compute vision embeddings
const { image_embeds } = await vision_model(image_inputs);
const normalized_image_embeds = image_embeds.normalize().tolist();

// Compute probabilities
const probabilities = normalized_image_embeds.map(
  x => softmax(normalized_text_embeds.map(y => 100 * dot(x, y)))
);
console.log(probabilities); // [[ 0.9989384093386391, 0.001060433633052551, 0.000001157028308360134 ]]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers.js

Нельзя запустить

Модель выложена для браузера (ONNX / transformers.js).

Ревизия весов
757d59c

0 моделей