/ Модель

Характеристики

Размер весов
8,6 ГБ
Лицензия
Apache 2.0
Архитектура
gemma3 · dense
Базовая модель
gemma-3-4b-pt
Библиотека
transformers
Опубликована
17 апр 2025

gemma-3-4b-pt-object-detection

Поиск объектовИзображение → bounding_boxes3 профессии

Экспериментальная Gemma 3 4B, дообученная для обнаружения автомобильных номерных знаков на изображениях.

44скачиваний за 30 дней7лайковвеса обновлены23 июн 2025

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 «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

Gemma 3 4B Fine-Tuned for Object Detection — модель, дообученная Ари́трой Роем Гошипати и Серхио Паниего на базе Google Gemma 3 4B PT. Она предназначена для обнаружения номерных знаков на изображениях. Модель использует мультимодальную архитектуру Gemma 3 и опубликована в формате Safetensors для Transformers.

Авторы исследуют, можно ли дообучить VLM для обнаружения объектов без предварительного обучения этой задаче и без специальных токенов координат. README называет модель экспериментальной и показывает сценарий обучения и запуска предсказаний. Лицензия репозитория — Apache-2.0.

Сценарии применения

  • поиск номерных знаков на автомобильных изображениях
  • визуальная проверка наличия номерного знака
  • эксперименты с обнаружением объектов на основе VLM

Ограничения

Модель обозначена авторами как экспериментальная; карточка не приводит количественных оценок качества или подробностей о границах применимости. Описана детекция номерных знаков, поэтому качество на других классах объектов не подтверждено.

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

Gemma 3 4B Fine-Tuned for Object Detection

This model is a fine-tuned version of Gemma 3 4B for license plate object detection.

Detected License Plates (Sample 1)Detected License Plates (Sample 2)
image/pngimage/png
image/pngimage/png

Model Details

Model Description

This model aims to prove that VLMs NOT previously trained for object detection and without previous knowledge of location tokens (<locXXXX>) can still be fine tuned for object detection out of the box. This is an experimental model.

Model Sources

Uses

Follow these steps to configure, train, and run predictions (using the code repository):

  1. Configuration (config.py): All major parameters are centralized here. Before running any script, review and adjust these settings as needed.
  2. Training (train.py): This script handles the fine-tuning process.
  3. Running inference (infer.py): Run this to visualize object detection.

Citation

If you use our work, please cite us:

@misc{gosthipaty_gemma3_object_detection_2025,
  author = {Aritra Roy Gosthipaty and Sergio Paniego},
  title = {Fine-tuning Gemma 3 for Object Detection},
  year = {2025},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/ariG23498/gemma3-object-detection.git}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForConditionalGeneration
Ревизия весов
df00bdb

0 моделей