Характеристики

Лицензия: MIT
Библиотека: timm
Опубликована: 13 июл 2026

Ссылки

viyog-weights

Классификация изображенийИзображение → label

Набор дообученных моделей классифицирует изображения из CIFAR-10, CIFAR-100 и GTSRB и используется в Viyog для отделения состязательных примеров от данных вне распределения.

0скачиваний за 30 дней0лайковвеса обновлены13 июл 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

Viyog — набор дообученных классификационных чекпойнтов для различных архитектур компьютерного зрения. Модельный набор разработан для проекта Viyog и предназначен для разделения состязательных входов и данных вне распределения. Включены 20 архитектур, в том числе ResNet, DenseNet, ConvNeXt, Swin и ViT, а также компактные модели для периферийных устройств; чекпойнты обучены для CIFAR-100, CIFAR-10 и GTSRB.

Репозиторий содержит веса PyTorch в формате state_dict (.pth), включая четыре исходных бэкбона для CIFAR-100 и отдельные чекпойнты по датасетам. Лицензия MIT. Для использования указан пакет viyog. Метаданные Hugging Face помечают репозиторий как image-classification.

Сценарии применения

Классификация изображений CIFAR-10
Классификация изображений CIFAR-100
Распознавание дорожных знаков GTSRB
Сравнение архитектур компьютерного зрения на нескольких наборах данных
Получение признаков для анализа состязательных и внераспределённых входов

Ограничения

Чекпойнты обучены для указанных датасетов, поэтому их применимость к другим распределениям данных не подтверждена. Для загрузки весов требуется совместимая архитектура и код пакета viyog.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Viyog — finetuned backbones

Finetuned classification checkpoints used in Viyog (separating adversarial from out-of-distribution inputs). 20 architectures (ResNet/DenseNet/ConvNeXt/Swin/ViT

edge backbones) across CIFAR-100, CIFAR-10, GTSRB.

Layout — state_dict .pth files:

root: the 4 original CIFAR-100 backbones (convnextv2_base, swin_tiny, vit_b, tf_efficientnetv2_l)
cifar100/, cifar10/, gtsrb/: per-dataset checkpoints for every architecture

Package: pip install viyog · code: https://github.com/amanyagami/viyog · demo: https://huggingface.co/spaces/amanyagami/viyog

Как запустить

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

GPU в ailist

Универсальный рантайм · timm · image-classification

Можно запустить

Подбираем GPU…

Ревизия весов: b96263a