/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
convnext · dense
Опубликована
17 июн 2022

convnext-base-224-22k-1k-orig-cats-vs-dogs

Классификация изображенийИзображение → label3 профессии

Модель ConvNeXt, дообученная для классификации изображений кошек и собак.

28скачиваний за 30 дней0лайковвеса обновлены17 июн 2022

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

Это модель классификации изображений efederici/convnext-base-224-22k-1k-orig-cats-vs-dogs, дообученная на наборе cats_vs_dogs на основе facebook/convnext-base-224-22k-1k. Она использует архитектуру ConvNeXt и предназначена для определения, изображена ли на фотографии кошка или собака. В README указаны точность 0,9973 и loss 0,0103 на оценочной выборке; эти результаты относятся к указанному набору данных.

Модель принимает изображение и выдаёт класс изображения. Веса доступны в формате PyTorch, лицензия — Apache-2.0. Она подходит для простых сценариев сортировки фотографий кошек и собак, но карточка не подтверждает качество на других классах, наборах данных или условиях съёмки.

Сценарии применения

  • определение кошки или собаки на фотографии
  • сортировка фото питомцев по виду животного
  • автоматическая разметка изображений кошек и собак

Ограничения

Модель обучена на кошках и собаках, поэтому её назначение ограничено этими классами. Заявленная точность измерена на оценочной выборке cats_vs_dogs и не гарантирует аналогичный результат на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

convnext-base-224-22k-1k-orig-cats-vs-dogs

This model is a fine-tuned version of facebook/convnext-base-224-22k-1k on the cats_vs_dogs dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0103
  • Accuracy: 0.9973

Model description

The "Roaring 20s" of visual recognition began with the introduction of Vision Transformers (ViTs), which quickly superseded ConvNets as the state-of-the-art image classification model. A vanilla ViT, on the other hand, faces difficulties when applied to general computer vision tasks such as object detection and semantic segmentation. It is the hierarchical Transformers (e.g., Swin Transformers) that reintroduced several ConvNet priors, making Transformers practically viable as a generic vision backbone and demonstrating remarkable performance on a wide variety of vision tasks. However, the effectiveness of such hybrid approaches is still largely credited to the intrinsic superiority of Transformers, rather than the inherent inductive biases of convolutions. In this work, we reexamine the design spaces and test the limits of what a pure ConvNet can achieve. We gradually "modernize" a standard ResNet toward the design of a vision Transformer, and discover several key components that contribute to the performance difference along the way. The outcome of this exploration is a family of pure ConvNet models dubbed ConvNeXt. Constructed entirely from standard ConvNet modules, ConvNeXts compete favorably with Transformers in terms of accuracy and scalability, achieving 87.8% ImageNet top-1 accuracy and outperforming Swin Transformers on COCO detection and ADE20K segmentation, while maintaining the simplicity and efficiency of standard ConvNets.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 32
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 5.0

BibTeX entry and citation info

@article{DBLP:journals/corr/abs-2201-03545,
  author    = {Zhuang Liu and
               Hanzi Mao and
               Chao{-}Yuan Wu and
               Christoph Feichtenhofer and
               Trevor Darrell and
               Saining Xie},
  title     = {A ConvNet for the 2020s},
  journal   = {CoRR},
  volume    = {abs/2201.03545},
  year      = {2022},
  url       = {https://arxiv.org/abs/2201.03545},
  eprinttype = {arXiv},
  eprint    = {2201.03545},
  timestamp = {Thu, 20 Jan 2022 14:21:35 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2201-03545.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

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
ConvNextForImageClassification
Ревизия весов
b16e21a

0 моделей