Характеристики

Лицензия: Apache 2.0
Архитектура: resnet · dense
Базовая модель: resnet-50
Опубликована: 4 окт 2023

Ссылки

Hugging Face

trained-gender

crangana

Классификация изображенийИзображение → label3 профессии

Дообученная на FairFace ResNet-50 для классификации изображений людей по признакам, размеченным в наборе данных.

104скачиваний за 30 дней2лайкавеса обновлены4 окт 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

crangana/trained-gender — модель классификации изображений, дообученная на наборе FairFace на основе microsoft/resnet-50. Она предназначена для классификации изображений людей по признакам, представленным в метках обучающего набора. В README указаны результаты на оценочной выборке: точность 0,8986 и функция потерь 0,2437.

Модель использует сверточную архитектуру ResNet-50 и распространяется в формате PyTorch. Базовая ResNet-50 предварительно обучена на ImageNet-1k. Репозиторий лицензирован по Apache-2.0. Подробности о классах предсказания и ограничениях применения в карточке не приведены.

Сценарии применения

классификация изображений людей по меткам FairFace
оценка предсказаний модели на тестовых изображениях
эксперименты с классификацией изображений на базе ResNet-50

Ограничения

В README не раскрыты перечень классов и подробные ограничения; приведённая точность относится только к оценочной выборке и не гарантирует качество на других данных.

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 IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей 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

trained-gender

This model is a fine-tuned version of microsoft/resnet-50 on the fair_face dataset. It achieves the following results on the evaluation set:

Loss: 0.2437
Accuracy: 0.8986

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: 4

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.4277	0.18	1000	0.4054	0.8089
0.315	0.37	2000	0.3487	0.8318
0.3082	0.55	3000	0.3052	0.8633
0.3235	0.74	4000	0.2899	0.8684
0.2505	0.92	5000	0.2693	0.8785
0.2484	1.11	6000	0.2547	0.8889
0.1933	1.29	7000	0.2521	0.8901
0.1497	1.48	8000	0.2443	0.8929
0.326	1.66	9000	0.2406	0.8958
0.215	1.84	10000	0.2381	0.9007
0.2035	2.03	11000	0.2437	0.8986

Framework versions

Transformers 4.34.0
Pytorch 2.0.1+cu118
Datasets 2.14.5
Tokenizers 0.14.0

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: ResNetForImageClassification
Ревизия весов: 5cdda77