Характеристики

Параметры: 33 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Опубликована: 9 сен 2022

Ссылки

Hugging Face

swin-tiny-patch4-window7-224-finetuned-eurosat

ezzouhri

Классификация изображенийИзображение → label3 профессии

Дообученная Swin Transformer Tiny классифицирует спутниковые изображения EuroSAT по категориям землепользования.

23скачиваний за 30 дней0лайковвеса обновлены14 сен 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 компьютерного зрения на архитектуре Swin Transformer Tiny, разработанная на основе microsoft/swin-tiny-patch4-window7-224 и дообученная для классификации изображений из набора EuroSAT. Модель содержит около 33 млн параметров и принимает изображения, выдавая метку класса.

Модель подходит для классификации спутниковых и аэроснимков по категориям землепользования. На указанной в карточке оценочной выборке достигла accuracy 0,9517 и loss 0,1674. Данные о поддерживаемых языках и размере входного контекста неприменимы к этой задаче.

Веса опубликованы в формате PyTorch по лицензии Apache-2.0. Карточка не описывает подробный состав классов и другие ограничения; качество на других источниках изображений может отличаться.

Сценарии применения

классификация спутниковых снимков по типу землепользования
распознавание категорий земного покрова на аэроснимках
автоматическая разметка изображений для анализа территорий

Ограничения

Карточка приводит метрики только для оценочной выборки EuroSAT и не раскрывает подробный состав классов; качество на снимках из других источников может отличаться.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

swin-tiny-patch4-window7-224-finetuned-eurosat

This model is a fine-tuned version of microsoft/swin-tiny-patch4-window7-224 on the imagefolder dataset. It achieves the following results on the evaluation set:

Loss: 0.1674
Accuracy: 0.9517

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: 5e-05
train_batch_size: 32
eval_batch_size: 32
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 128
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 1

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.3432	1.0	266	0.1674	0.9517

Framework versions

Transformers 4.20.1
Pytorch 1.12.1+cu102
Datasets 2.3.2
Tokenizers 0.12.1

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: SwinForImageClassification
Ревизия весов: 7fdca96