Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Опубликована: 20 апр 2024

Ссылки

Hugging Face

traffic_sign_detection

dima806

Классификация изображенийИзображение → label3 профессии

Дообученная модель ViT-Base распознаёт и классифицирует дорожные знаки на изображениях.

45скачиваний за 30 дней6лайковвеса обновлены19 окт 2024

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 dima806/traffic_sign_detection — дообученный Vision Transformer ViT-Base для классификации дорожных знаков по изображению. Она принимает изображение и возвращает предсказанный класс знака. В карточке заявлена точность около 94%; сведения о методике оценки и наборе данных не приведены. Модель содержит 113,2 млн параметров, распространяется в формате Safetensors и доступна по лицензии Apache-2.0.

Сценарии применения

распознавание дорожного знака на фотографии
классификация дорожных знаков в системе помощи водителю
определение класса знака на изображении с дорожной камеры

Ограничения

В README заявлена точность около 94%, но не описаны набор данных и условия измерения; результаты на других изображениях могут отличаться.

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.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей 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

Returns traffic sign with about 94% accuracy given an image.

See https://www.kaggle.com/code/dima806/traffic-sign-detection-vit for more details.

image/png

Classification report:

                              precision    recall  f1-score   support

           Bicycles crossing     1.0000    0.9660    0.9827       206
           Children crossing     0.8583    1.0000    0.9238       206
                Danger Ahead     0.9810    1.0000    0.9904       206
 Dangerous curve to the left     0.7981    0.8293    0.8134       205
Dangerous curve to the right     0.8182    0.7902    0.8040       205
                Dont Go Left     1.0000    0.9903    0.9951       206
       Dont Go Left or Right     1.0000    1.0000    1.0000       206
               Dont Go Right     1.0000    0.9610    0.9801       205
            Dont Go straight     1.0000    1.0000    1.0000       205
    Dont Go straight or left     0.9493    1.0000    0.9740       206
     Dont overtake from Left     0.9533    0.9903    0.9714       206
                      Fences     0.9762    1.0000    0.9880       205
                     Go Left     0.9844    0.9175    0.9497       206
            Go Left or right     0.8723    1.0000    0.9318       205
                    Go Right     1.0000    0.9854    0.9926       205
         Go left or straight     0.7946    0.8683    0.8298       205
        Go right or straight     0.8920    0.7621    0.8220       206
                 Go straight     0.9624    0.8689    0.9133       206
        Go straight or right     1.0000    0.8010    0.8895       206
     Heavy Vehicle Accidents     0.9579    1.0000    0.9785       205
                        Horn     1.0000    1.0000    1.0000       206
                      No Car     1.0000    1.0000    1.0000       205
                    No Uturn     0.9856    1.0000    0.9928       206
                    No entry     1.0000    1.0000    1.0000       205
                     No horn     1.0000    1.0000    1.0000       205
                 No stopping     0.9856    1.0000    0.9927       205
                Road Divider     1.0000    1.0000    1.0000       206
        Roundabout mandatory     0.9951    1.0000    0.9976       205
        Speed limit (15km/h)     1.0000    1.0000    1.0000       206
        Speed limit (30km/h)     0.9619    0.9806    0.9712       206
        Speed limit (40km/h)     0.9800    0.9515    0.9655       206
        Speed limit (50km/h)     0.9757    0.9757    0.9757       206
         Speed limit (5km/h)     1.0000    0.9951    0.9976       206
        Speed limit (60km/h)     1.0000    0.4126    0.5842       206
        Speed limit (70km/h)     1.0000    0.9466    0.9726       206
              Train Crossing     0.9671    1.0000    0.9833       206
          Under Construction     1.0000    0.9806    0.9902       206
                     Unknown     1.0000    0.5415    0.7025       205
                       Uturn     1.0000    1.0000    1.0000       205
              Zebra Crossing     0.9206    0.9563    0.9381       206
                ZigZag Curve     0.8047    1.0000    0.8918       206
                   keep Left     0.7895    0.8010    0.7952       206
                  keep Right     0.8565    0.9902    0.9186       205
        speed limit (80km/h)     0.6042    0.9854    0.7491       206
          watch out for cars     1.0000    1.0000    1.0000       205

                    accuracy                         0.9388      9252
                   macro avg     0.9472    0.9388    0.9366      9252
                weighted avg     0.9472    0.9388    0.9366      9252

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: ViTForImageClassification
Ревизия весов: 3d8191d