Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Опубликована: 28 ноя 2023

Ссылки

Hugging Face

ee8225-group4-vit-trashnet-enhanced

edwinpalegre

Классификация изображенийИзображение → label3 профессии

Дообученная модель ViT для классификации изображений мусора по категориям.

165скачиваний за 30 дней0лайковвеса обновлены28 ноя 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 edwinpalegre/ee8225-group4-vit-trashnet-enhanced — дообученная Edwin Palegre модель Vision Transformer для классификации изображений мусора. Она основана на google/vit-base-patch16-224-in21k и обучена на наборе данных edwinpalegre/trashnet-enhanced. Архитектура ViT имеет около 113,2 млн параметров; веса опубликованы в формате safetensors.

Модель предназначена для распознавания категорий мусора на изображениях, например в приложениях для сортировки отходов или анализа снимков мусора. В README указана точность 0,9817 и loss 0,0793 на оценочном наборе; эти результаты относятся к описанной оценке и не гарантируют такую же точность на других данных. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

распознавание категории мусора на фотографии
сортировка бытовых отходов по снимкам
классификация изображений мусора для экологического приложения

Ограничения

В README не приведены сведения о классах меток и ограничениях на входные изображения. Заявленная точность измерена на оценочном наборе trashnet-enhanced и может не переноситься на изображения из других источников.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962модели 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.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

ee8225-group4-vit-trashnet-enhanced

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

Loss: 0.0793
Accuracy: 0.9817

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: 64
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
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.0603	0.4	100	0.1482	0.9623
0.0363	0.8	200	0.1123	0.9698
0.0306	1.2	300	0.1069	0.9721
0.023	1.61	400	0.1188	0.9706
0.0172	2.01	500	0.1019	0.9734
0.0161	2.41	600	0.1112	0.9746
0.0163	2.81	700	0.0874	0.9801
0.0024	3.21	800	0.0793	0.9817
0.0133	3.61	900	0.0831	0.9812

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu118
Datasets 2.15.0
Tokenizers 0.15.0

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: ViTForImageClassification
Ревизия весов: 853b212