/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
efficientnet · dense
Базовая модель
efficientnet-b0
Опубликована
23 апр 2026

asl-sign-language-efficientnet-b0

Классификация изображенийИзображение → label3 профессии

Дообученная EfficientNet-B0 классифицирует изображения статичных букв американского жестового языка ASL от A до Z.

257скачиваний за 30 дней1лайквеса обновлены23 апр 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

Модель abdollahhh/asl-sign-language-efficientnet-b0 разработана на основе google/efficientnet-b0, предварительно обученной на ImageNet и дообученной для классификации изображений с буквами американского жестового языка (ASL). Она принимает RGB-изображения размером 224×224 и относит знак к одному из 26 классов — буквам A–Z. Модель содержит около 4,04 млн параметров и распространяется в формате safetensors.

Её можно использовать для распознавания статичных букв ASL на фотографиях, например, в демонстрационных приложениях и веб-камерах. В README заявлена точность 99,02% на оценочной выборке из набора Marxulia/asl_sign_languages_alphabets_v03, однако результаты на контролируемых изображениях не гарантируют такой же точности в реальных условиях. Модель хуже подходит для разнообразного освещения и фона; она не распознаёт динамические жесты, включая J и Z. Лицензия — Apache-2.0.

Сценарии применения

  • распознавание статичных букв ASL на фотографиях
  • классификация букв ASL в кадре веб-камеры
  • создание демонстрационного приложения для распознавания алфавита ASL

Ограничения

Модель обучена на контролируемых студийных изображениях, поэтому разнообразные фоны и освещение могут снижать точность; лучше всего работает с рукой на нейтральном фоне. Она распознаёт только статичные знаки букв A–Z и не распознаёт динамические жесты, в том числе J и Z.

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

🤟 ASL Sign Language Recognition — EfficientNet-B0

A fine-tuned EfficientNet-B0 model for recognizing American Sign Language (ASL) alphabet letters from images. Achieves 99.02% accuracy on the evaluation set.

Model Details

PropertyValue
Base Modelgoogle/efficientnet-b0 (ImageNet pretrained)
Parameters4,040,854 (~15.6MB)
Input Size224×224 RGB images
Classes26 (A-Z ASL alphabet letters)
Inference Speed<10ms/frame on GPU, ~30ms on CPU

Training

HyperparameterValue
Learning Rate2e-4
Batch Size16
Epochs5
OptimizerAdamW
LR SchedulerCosine
Weight Decay1e-4
Warmup Ratio5%

Training Results

EpochEval AccuracyEval Loss
189.45%0.405
297.67%0.096
398.28%0.056
498.71%0.047
599.02%0.036

Data Augmentation

  • RandomResizedCrop (scale 0.8-1.0)
  • RandomHorizontalFlip (p=0.3)
  • RandomRotation (±15°)
  • ColorJitter (brightness=0.3, contrast=0.3, saturation=0.2, hue=0.1)

Usage

from transformers import pipeline

classifier = pipeline("image-classification", model="abdollahhh/asl-sign-language-efficientnet-b0")
result = classifier("path/to/hand_sign.jpg")
print(result)
# [{'label': 'A', 'score': 0.98}, ...]

Manual inference

from transformers import AutoImageProcessor, AutoModelForImageClassification
from PIL import Image
import torch

processor = AutoImageProcessor.from_pretrained("abdollahhh/asl-sign-language-efficientnet-b0")
model = AutoModelForImageClassification.from_pretrained("abdollahhh/asl-sign-language-efficientnet-b0")
model.eval()

image = Image.open("hand_sign.jpg")
inputs = processor(images=image, return_tensors="pt")
with torch.no_grad():
    logits = model(**inputs).logits

predicted_class = logits.argmax(-1).item()
label = model.config.id2label[str(predicted_class)]
print(f"Predicted: {label}")

Live Demo

Try the real-time webcam demo: ASL Sign Language Recognition Space

Dataset

Trained on Marxulia/asl_sign_languages_alphabets_v03:

  • 10,873 images total (9,242 train / 1,631 eval)
  • 26 classes: A through Z
  • Stratified 85/15 train/eval split

Limitations

  • Trained on controlled studio images — may have reduced accuracy with varied backgrounds/lighting
  • Only recognizes static letter signs (A-Z), not dynamic gestures (J, Z involve motion)
  • Works best with a clean hand against a neutral background

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
EfficientNetForImageClassification
Ревизия весов
28c016f

0 моделей