Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Библиотека: transformers
Опубликована: 3 апр 2023

Ссылки

Hugging Face

driver-drowsiness-detection

chbh7051

Классификация изображенийИзображение → label3 профессии

Дообученная модель ViT для классификации изображений с целью обнаружения сонливости водителя.

29скачиваний за 30 дней6лайковвеса обновлены19 апр 2023

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 chbh7051/driver-drowsiness-detection — версия Vision Transformer ViT, дообученная на наборе данных для обнаружения сонливости водителя. Она классифицирует изображения; на оценочной выборке автор сообщает точность 0,9752 и значение loss 0,0800. Модель подходит для анализа кадров из салона автомобиля в сценариях мониторинга состояния водителя. Число параметров — 113,2 млн; веса представлены в формате PyTorch. Лицензия — Apache-2.0.

Сценарии применения

классификация кадров с водителем для выявления сонливости
создание прототипа системы мониторинга бодрствования водителя
оценка изображений лица водителя в исследовательском проекте

Ограничения

В README нет подробных сведений об ограничениях и условиях оценки; заявленная точность относится только к оценочной выборке. Для надёжного применения нужны проверки на данных и условиях, отличающихся от обучающего набора.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vit-base-driver-drowsiness-detection

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on the chbh7051/driver-drowsiness-detection dataset. It achieves the following results on the evaluation set:

Loss: 0.0800
Accuracy: 0.9752

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: 0.0002
train_batch_size: 16
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 6
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.4811	0.6	2000	0.5214	0.7636
0.3339	1.2	4000	0.3437	0.8621
0.284	1.8	6000	0.2679	0.8932
0.2143	2.41	8000	0.2269	0.9125
0.0997	3.01	10000	0.1576	0.9444
0.1168	3.61	12000	0.1214	0.9596
0.0873	4.21	14000	0.1256	0.9550
0.06	4.81	16000	0.0800	0.9752

Framework versions

Transformers 4.27.4
Pytorch 1.13.0
Datasets 2.1.0
Tokenizers 0.13.2

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: ViTForImageClassification
Ревизия весов: 7b78e85