Характеристики

Параметры: 33 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Базовая модель: swin-tiny-patch4-window7-224
Библиотека: transformers
Опубликована: 11 окт 2026

Ссылки

swin-tiny-patch4-window7-224-finetuned-eurosat

Классификация изображенийИзображение → label

Дообученная Swin-Tiny для классификации изображений, вероятно связанная с EuroSAT, но набор данных в README не подтверждён.

2 661скачиваний за 30 дней0лайковвеса обновлены11 окт 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

Это дообученная модель классификации изображений на архитектуре Swin-Tiny, созданная на основе microsoft/swin-tiny-patch4-window7-224 и опубликованная пользователем brysanicks. Модель содержит около 33 млн параметров и предназначена для присвоения изображению класса.

В названии репозитория указано EuroSAT, однако README сообщает, что набор данных неизвестен, поэтому назначение для спутниковых изображений нельзя считать подтверждённым. На указанном в карточке наборе оценки модель показала accuracy 0,9878 и loss 0,0453; состав набора и протокол оценки не описаны. Используются Transformers и формат весов Safetensors. Лицензия — Apache-2.0.

Сценарии применения

классификация изображений по классам
эксперименты с классификацией спутниковых снимков

Ограничения

Набор данных, классы и протокол оценки не описаны; связь модели с EuroSAT следует из названия репозитория, но README называет датасет неизвестным. Приведённые метрики нельзя уверенно переносить на другие данные.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

swin-tiny-patch4-window7-224-finetuned-eurosat

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

Loss: 0.0453
Accuracy: 0.9878

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: 32
eval_batch_size: 32
seed: 42
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
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.3416	1.0	760	0.0772	0.9759
0.3579	2.0	1520	0.0606	0.9804
0.2855	3.0	2280	0.0453	0.9878

Framework versions

Transformers 5.18.0
Pytorch 2.11.0+cu130
Datasets 4.8.5
Tokenizers 0.23.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: SwinForImageClassification
Ревизия весов: 4f40a86