/ Модель

Характеристики

Параметры
33 млн
Архитектура
swin · dense
Опубликована
19 сен 2023

autotrain-logo-identifier-90194144191

Классификация изображенийИзображение → label4 профессии

Модель Swin классифицирует изображения логотипов по 57 брендам и компаниям.

18скачиваний за 30 дней0лайковвеса обновлены21 сен 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

fsuarez обучил с помощью AutoTrain модель для многоклассовой классификации логотипов 57 известных брендов и компаний. Это модель компьютерного зрения на архитектуре Swin с 33 млн параметров, доступная в форматах PyTorch и Safetensors.

Модель принимает изображение и относит логотип к одному из классов брендов, представленных в обучающем наборе LogoIdentifier. Она может использоваться для распознавания бренда на изображениях товаров, рекламных материалах и других визуальных объектах. В README приведены метрики валидации: accuracy и macro F1 по 0,924; результаты на других данных могут отличаться.

Условия лицензии в предоставленных данных не описаны.

Сценарии применения

  • распознавание бренда по изображению логотипа
  • классификация логотипов товаров на фотографиях
  • поиск логотипов известных компаний в рекламных материалах

Ограничения

Классификация ограничена брендами, представленными в обучающем наборе; поведение на неизвестных брендах и иных данных не описано. Метрики валидации не гарантируют такую же точность в реальных условиях.

Для каких профессий подходит4

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

📒 logo-identifier-model

This model has been trained on a dataset called "LogoIdentifier" for multi-class classification of logos from 57 renowned brands and companies. These brands encompass a wide spectrum of industries and recognition, ranging from global giants like Coca-Cola, Coleman, Google, IBM, Nike, Pepsi, and many others. Each brand is thoughtfully organized into its designated subfolder, housing a comprehensive set of logo images for precise and accurate classification. Whether you're identifying iconic logos or exploring the branding diversity of these 57 famous names, this model is your go-to solution for logo recognition and classification.

🧪 Dataset Content

  • The dataset includes logos from various brands and companies.
  • The dataset is organized into subfolders, each corresponding to a specific brand or company.
  • It contains a wide range of brand logos, including Acer, Acura, Adidas, Samsung, Lenovo, McDonald's, Java, and many more.
  • Each brand or company in the dataset is associated with a numerical value, likely representing the number of images available for that brand.

The model has been trained to recognize and classify logos into their respective brand categories based on the images provided in the dataset.

CompanyQuantity of images
Acer67
Acura74
Addidas90
Ades36
Adio63
Cadillac69
CalvinKlein65
Canon59
Cocacola40
CocaColaZero91
Coleman57
Converse60
CornFlakes62
DominossPizza99
Excel88
Gillette86
GMC75
Google93
HardRockCafe93
HBO103
Heineken84
HewlettPackard81
Hp87
Huawei84
Hyundai84
IBM84
Java62
KFC84
Kia76
Kingston79
Lenovo82
LG95
Lipton94
Mattel77
McDonalds98
MercedesBenz94
Motorola86
Nestle94
Nickelodeon74
Nike50
Pennzoil82
Pepsi93
Peugeot60
Porsche71
Samsung96
SchneiderElectric42
Shell58

To use this model for brand logo identification, you can make use of the Hugging Face Transformers library and load the model using its model ID (90194144191). You can then input an image of a brand logo, and the model should be able to predict the brand it belongs to based on its training.

🤗 Model Trained Using AutoTrain

  • Problem type: Multi-class Classification
  • Model ID: 90194144191
  • CO2 Emissions (in grams): 0.0608

📐 Validation Metrics

  • Loss: 0.300
  • Accuracy: 0.924
  • Macro F1: 0.924
  • Micro F1: 0.924
  • Weighted F1: 0.922
  • Macro Precision: 0.930
  • Micro Precision: 0.924
  • Weighted Precision: 0.928
  • Macro Recall: 0.924
  • Micro Recall: 0.924
  • Weighted Recall: 0.924

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
ccc1237

0 моделей