Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Библиотека: transformers
Опубликована: 18 ноя 2025

Ссылки

Hugging Face

vit-finetuned-chessman

chandra1976

Классификация изображенийИзображение → label3 профессии

Дообученный ViT-Base классифицирует изображения шахматных фигур.

85скачиваний за 30 дней0лайковвеса обновлены18 ноя 2025

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

Модель chandra1976/vit-finetuned-chessman — дообученный Vision Transformer ViT-Base для классификации изображений шахматных фигур. Она основана на google/vit-base-patch16-224-in21k и содержит 113,2 млн параметров. В README указаны результаты на тестовой выборке: accuracy 0,9818 и loss 0,0779; состав классов и подробности оценки не приведены.

Модель принимает изображения и выдаёт метки классов. Она подходит для распознавания шахматных фигур на изображениях, если они соответствуют данным обучения. Использование ограничено задачей классификации, описанной в карточке; устойчивость к другим ракурсам, фонам и условиям съёмки не подтверждена. Распространяется по лицензии Apache-2.0.

Сценарии применения

распознавание типа шахматной фигуры на изображении
автоматическая классификация изображений шахматных фигур
сортировка фотографий шахматных фигур по классам

Ограничения

Показатели accuracy 0,9818 и loss 0,0779 приведены без описания состава и размера оценочной выборки. Надёжность на изображениях, отличающихся от обучающих данных по ракурсу, фону или качеству, не установлена.

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 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 IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vit-finetuned-chessman

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on the imagefolder dataset. It achieves the following results on the evaluation set:

Loss: 0.0779
Accuracy: 0.9818

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
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: 100

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.0097	1.0	28	0.0592	0.9818
0.0073	2.0	56	0.0949	0.9636
0.0058	3.0	84	0.0886	0.9818
0.0047	4.0	112	0.0779	0.9818

Framework versions

Transformers 4.57.1
Pytorch 2.8.0
Datasets 4.4.1
Tokenizers 0.22.1

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: ViTForImageClassification
Ревизия весов: 2645d56