/ Модель

Характеристики

Параметры
113 млн
Лицензия
MIT
Архитектура
dinov2 · dense
Базовая модель
dinov2-base-imagenet1k-1-layer
Библиотека
transformers
Опубликована
28 окт 2024

plantclef2024

Классификация изображенийИзображение → label3 профессии

Дообученная модель DINOv2 для классификации изображений растений в рамках конкурса PlantCLEF 2024.

235скачиваний за 30 дней2лайкавеса обновлены21 ноя 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

gerald29 опубликовал модель классификации изображений растений для конкурса PlantCLEF 2024. Это дообученная модель DINOv2 для отнесения изображения растения к одному из классов; в основе лежит facebook/dinov2-base-imagenet1k-1-layer. Модель построена на архитектуре Dinov2ForImageClassification и содержит 113,2 млн параметров.

Модель принимает изображения и выдаёт метку класса. Автор сообщает, что обучение заняло пять дней на RTX 4090; подробности о наборе данных, таксономии, точности и применимости к видам за пределами конкурса в карточке отсутствуют. Лицензия — MIT.

Сценарии применения

  • определение класса растения по фотографии
  • классификация изображений растений для задач PlantCLEF 2024
  • автоматическая разметка коллекции фотографий растений

Ограничения

В карточке не приведены точность, состав обучающих данных и перечень классов; соответствие классификации таксономии автор обозначает как требующее проверки. Обобщение за пределами данных и сценариев конкурса не описано.

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

Model Card for Model ID

This is a plant identifier/classification model for the PlantClef2024 contest.

See details here: https://huggingface.co/spaces/BVRA/PlantCLEF2024

Model Details

Information on the dataset an be found here

https://www.imageclef.org/node/315

I need to double check but the taxonomy might be from here https://www.gbif.org/dataset/d7dddbf4-2cf0-4f39-9b2a-bb099caae36c

Model was trained with these paramters

training_args = TrainingArguments(
    output_dir="plantclef2024",
    remove_unused_columns=False,
    eval_strategy="epoch",
    save_strategy="epoch",
    learning_rate=5e-5,
    per_device_train_batch_size=16,
    gradient_accumulation_steps=4,
    per_device_eval_batch_size=16,
    num_train_epochs=16,
    warmup_ratio=0.1,
    logging_steps=10,
    load_best_model_at_end=True,
    metric_for_best_model="accuracy",
    push_to_hub=True,
    tf32=True
)

Training took 5 days on a RTX 4090

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
Dinov2ForImageClassification
Ревизия весов
1e64c97

0 моделей