Характеристики

Параметры: 58,7 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Опубликована: 9 июн 2022

Ссылки

Hugging Face

swin-finetuned-food101

aspis

Классификация изображенийИзображение → label3 профессии

Модель Swin Transformer, дообученная на Food-101 для классификации изображений блюд.

117скачиваний за 30 дней5лайковвеса обновлены28 июн 2022

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

Это модель компьютерного зрения на архитектуре Swin Transformer, разработанная дообучением microsoft/swin-base-patch4-window7-224 на наборе Food-101. Она классифицирует изображения блюд по категориям Food-101. Модель содержит 58,7 млн параметров и распространяется в формате PyTorch по лицензии Apache-2.0.

На оценочной выборке Food-101 указаны loss 0,2772 и точность 0,921. Модель подходит для автоматической категоризации фотографий еды, например в приложениях для каталогизации блюд или управления коллекциями изображений. Описание обучения и ограничения в карточке не раскрыты; результаты оценки относятся к указанному набору данных и не гарантируют такую же точность на других типах изображений.

Сценарии применения

определение категории блюда по фотографии
автоматическая сортировка фотографий еды
разметка изображений блюд в каталоге
классификация изображений для приложения о еде

Ограничения

Качество на изображениях вне Food-101 не охарактеризовано; указанная точность относится только к оценочной выборке этого датасета.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

swin-finetuned-food101

This model is a fine-tuned version of microsoft/swin-base-patch4-window7-224 on the food101 dataset. It achieves the following results on the evaluation set:

Loss: 0.2772
Accuracy: 0.9210

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: 5e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 64
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.5077	1.0	1183	0.3851	0.8893
0.3523	2.0	2366	0.3124	0.9088
0.1158	3.0	3549	0.2772	0.9210

Framework versions

Transformers 4.19.2
Pytorch 1.11.0+cu113
Datasets 2.2.2
Tokenizers 0.12.1

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: SwinForImageClassification
Ревизия весов: aad5a07