Характеристики

Параметры: 33 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Базовая модель: swin-tiny-patch4-window7-224
Опубликована: 14 фев 2024

Ссылки

Hugging Face

MemeDetector_SG

friedrice231

Классификация изображенийИзображение → label3 профессии

Дообученная Swin-Tiny модель для классификации изображений, оценённая с точностью 0,9476 на тестовой выборке.

16скачиваний за 30 дней2лайкавеса обновлены15 фев 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 friedrice231/MemeDetector_SG — дообученная версия Swin-Tiny от Microsoft для классификации изображений. Она принимает изображение и предсказывает класс; модель обучена на наборе данных imagefolder. В README указана точность 0,9476 и значение функции потерь 0,1349 на оценочной выборке.

Модель основана на архитектуре Swin Transformer и содержит около 33 млн параметров. Репозиторий использует формат safetensors. Лицензия — Apache-2.0. В доступной карточке не описаны набор классов и конкретные сценарии применения, поэтому назначение «детектор мемов» из идентификатора репозитория подтвердить нельзя.

Сценарии применения

классификация изображений по категориям, представленным в обучающем наборе

Ограничения

Карточка не сообщает, какие именно классы распознаёт модель и на каких данных получены метрики; точность зависит от соответствия входных изображений обучающему набору.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.8Универсальные способностиИзображения и компьютерное зрениеAI помогает извлекать визуальные признаки, изменять изображения и создавать новые визуальные материалы.17 задач6 331модель 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: 0.1349
Accuracy: 0.9476

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: 64
eval_batch_size: 64
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 256
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.2131	1.0	51	0.1843	0.9320
0.1521	2.0	102	0.1215	0.9552
0.1318	3.0	153	0.1349	0.9476

Framework versions

Transformers 4.37.2
Pytorch 1.13.1
Datasets 2.16.1
Tokenizers 0.15.1

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: cc7c152