/ Модель

Характеристики

Параметры
113 млн
Лицензия
CC BY-NC 4.0
Архитектура
timesformer · dense
Опубликована
7 окт 2022

timesformer-hr-finetuned-k400

Классификация видеоВидео → label3 профессии

Вариант TimeSformer высокого разрешения для классификации видео по 400 классам действий Kinetics-400.

273скачиваний за 30 дней3лайкавеса обновлены12 дек 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

facebook/timesformer-hr-finetuned-k400 — вариант TimeSformer высокого разрешения, выпущенный командой Facebook и дообученный для классификации видео на наборе Kinetics-400. Модель основана на пространственно-временном Transformer и содержит 113,2 млн параметров. Она принимает видео и относит его к одной из 400 меток действий Kinetics-400.

Модель подходит для распознавания действий в видеороликах и других сценариев классификации видео. В репозитории представлены веса PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

  • распознавание действий в видеороликах
  • классификация видео по категориям Kinetics-400
  • автоматическая разметка видеоколлекций по действиям

Ограничения

Классификатор ориентирован на 400 меток Kinetics-400, поэтому может не подходить для действий вне этого набора классов. Лицензия CC BY-NC 4.0 не разрешает коммерческое использование.

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

TimeSformer (high-resolution variant, fine-tuned on Kinetics-400)

TimeSformer model pre-trained on Kinetics-400. It was introduced in the paper TimeSformer: Is Space-Time Attention All You Need for Video Understanding? by Tong et al. and first released in this repository.

Disclaimer: The team releasing TimeSformer did not write a model card for this model so this model card has been written by fcakyon.

Intended uses & limitations

You can use the raw model for video classification into one of the 400 possible Kinetics-400 labels.

How to use

Here is how to use this model to classify a video:

from transformers import AutoImageProcessor, TimesformerForVideoClassification
import numpy as np
import torch

video = list(np.random.randn(16, 3, 448, 448))

processor = AutoImageProcessor.from_pretrained("facebook/timesformer-hr-finetuned-k400")
model = TimesformerForVideoClassification.from_pretrained("facebook/timesformer-hr-finetuned-k400")

inputs = processor(images=video, return_tensors="pt")

with torch.no_grad():
  outputs = model(**inputs)
  logits = outputs.logits

predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

For more code examples, we refer to the documentation.

BibTeX entry and citation info

@inproceedings{bertasius2021space,
  title={Is Space-Time Attention All You Need for Video Understanding?},
  author={Bertasius, Gedas and Wang, Heng and Torresani, Lorenzo},
  booktitle={International Conference on Machine Learning},
  pages={813--824},
  year={2021},
  organization={PMLR}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · video-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
TimesformerForVideoClassification
Ревизия весов
188026c

0 моделей