/ Модель
Каталог

Характеристики

Лицензия
Apache 2.0
Архитектура
d_fine · dense
Базовая модель
snap-plate-stack-instance-dfine-v5
Библиотека
transformers
Опубликована
12 авг 2026

Ссылки

Hugging Face

snap-plate-rim-marker-dfine-v6

aguxez
Поиск объектовИзображение → bounding_boxes3 профессии

Дообученная модель D-Fine для обнаружения и локализации маркеров обода блинов для штанги на изображениях.

10скачиваний за 30 дней0лайковвеса обновлены12 авг 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

aguxez/snap-plate-rim-marker-dfine-v6 — модель обнаружения объектов на изображениях, разработанная как дообучение aguxez/snap-plate-stack-instance-dfine-v5 на наборе данных aguxez/snap-plate-rim-marker-v6. Она основана на архитектуре D-Fine и предназначена для обнаружения и локализации маркеров обода блинов для штанги на изображениях.

Модель принимает изображения и выдаёт найденные объекты с координатами рамок и метками. В опубликованной оценке на тестовой выборке mAP и mAP@50 равны 0, поэтому качество обнаружения по этим результатам не подтверждено. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • поиск маркеров обода блинов для штанги на фото
  • локализация маркеров блинов рамками на изображении
  • автоматическая разметка маркеров блинов в наборе изображений

Ограничения

В оценке на тестовой выборке опубликованы mAP и mAP@50, равные 0, поэтому результаты не подтверждают способность модели обнаруживать целевые объекты.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

snap-plate-rim-marker-dfine-v6

This model is a fine-tuned version of aguxez/snap-plate-stack-instance-dfine-v5 on the aguxez/snap-plate-rim-marker-v6 dataset. It achieves the following results on the evaluation set:

  • Loss: 10.6621
  • Map: 0.0
  • Map 50: 0.0
  • Map 75: 0.0
  • Map Small: -1.0
  • Map Medium: 0.0
  • Map Large: -1.0
  • Mar 1: 0.0
  • Mar 10: 0.0
  • Mar 100: 0.0
  • Mar Small: -1.0
  • Mar Medium: 0.0
  • Mar Large: -1.0
  • Map Plate Rim: 0.0
  • Mar 100 Plate Rim: 0.0

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: 2e-06
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 7
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 0.05
  • num_epochs: 6.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossMapMap 50Map 75Map SmallMap MediumMap LargeMar 1Mar 10Mar 100Mar SmallMar MediumMar LargeMap Plate RimMar 100 Plate Rim
30.48381.0810.92520.00.00.0-1.00.0-1.00.00.00.0-1.00.0-1.00.00.0
28.74252.0169.63480.00.00.0-1.00.0-1.00.00.00.0-1.00.0-1.00.00.0
29.16073.02410.55030.00.00.0-1.00.0-1.00.00.00.0-1.00.0-1.00.00.0
30.01444.0329.57580.00.00.0-1.00.0-1.00.00.00.0-1.00.0-1.00.00.0
29.19895.04010.75740.00.00.0-1.00.0-1.00.00.00.0-1.00.0-1.00.00.0
28.74406.04810.66210.00.00.0-1.00.0-1.00.00.00.0-1.00.0-1.00.00.0

Framework versions

  • Transformers 5.14.1
  • Pytorch 2.13.0+cu130
  • Datasets 5.0.1
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры
DFineForObjectDetection
Ревизия весов
eb3b7f4

0 моделей

    Создать бенчмарк