/ Модель

Характеристики

Лицензия
MIT
Архитектура
siglip · dense
Базовая модель
siglip2-base-patch16-224
Библиотека
transformers
Опубликована
30 июл 2026

piedomains-image

Классификация изображенийИзображение → label3 профессии

Модель классифицирует скриншоты главных страниц сайтов по 39 категориям, когда текст страницы недоступен.

10скачиваний за 30 дней0лайковвеса обновлены18 авг 2026

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

piedomains-image — модель классификации скриншотов главных страниц сайтов по 39 категориям. Она разработана как визуальная часть проекта piedomains и предназначена для случаев, когда доступно изображение страницы, но её текст нельзя извлечь. Модель принимает скриншот, масштабирует его до 224 × 224 пикселей без сохранения пропорций и выдаёт класс сайта.

Это дообученная для классификации изображений модель Google SigLIP 2 Base Patch16-224. Она анализирует компоновку, цвета и изображения, а не текст страницы. На тестовых данных точность составила 0,501, macro-F1 — 0,370; результат ниже, чем у парной текстовой модели, поэтому скриншотную классификацию стоит использовать, когда текст недоступен. Модель не охватывает пять категорий, отсутствовавших в наборе скриншотов: parked, unavailable, library, military и homestyle. Лицензия — MIT.

Сценарии применения

  • Определение категории сайта по скриншоту главной страницы
  • Классификация страницы, которую нельзя извлечь или обработать как текст
  • Распознавание визуально характерных тематик сайтов
  • Дополнение текстовой классификации сайтов данными из скриншота

Ограничения

Точность на тесте составляет 0,501, а macro-F1 — 0,370; скриншотная модель уступает парной текстовой модели. Она не поддерживает категории parked, unavailable, library, military и homestyle, а страницы с маловыразительным визуальным оформлением, например поисковики и сокращатели ссылок, распознаёт плохо.

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

piedomains-image

Classifies a website from a screenshot of its homepage, for callers who have a picture and no text. Companion to piedomains-text.

0.501 accuracy / 0.370 macro-F1 over 39 classes. Temperature 1.6669, ECE 0.1769 to 0.0139.

Read the number before using it

The text model gets 0.818 on the same task. Screenshots are much weaker than text, and that is a fact about the problem, not a defect here: at 224px a page's words are unreadable, so this sees layout, colour and imagery only. Use it when text is unavailable -- a render you cannot scrape, a page that is entirely an image -- and prefer text when you have it.

It is nonetheless a real improvement on its predecessor, which scored 0.429. That model also divided pixels by 255 before a graph that already applied resnet50.preprocess_input, and labelled Khan Academy and Yahoo as porn in production while reporting 52.9% at training time.

Preprocessing must match, and it is one function

That failure is why every path -- corpus preparation, live inference, evaluation capture -- calls piedomains.images.resize_for_model and nothing re-implements it. A test asserts no copy exists, because three had already drifted: training centre-cropped, serving squashed, and a third path cropped from the left.

The resize squashes rather than crops, deliberately. SigLIP 2 (arXiv:2502.14786 §2.4.2) pretrains "with non-aspect preserving resize", so squashing reproduces the distribution the encoder saw and cropping is the domain shift -- the reverse of what "distortion is bad" suggests.

The backbone is SigLIP 2 because it was measured against ViT-base-in21k on this corpus: 0.531 / 0.397 versus 0.335 / 0.140.

39 classes, not 44

No parked, unavailable, library, military or homestyle. The screenshot corpus was captured in 2022 and predates those labels, so no examples exist -- notably parked and unavailable, which a screenshot would identify easily. Fusion has to source them from text.

Splits are sha256(domain) % 100, the same pure function the text model uses, so the two corpora cannot disagree about which domains are held out.

Where it works and where it does not

Strongest: pets 0.72, religion 0.67, education 0.63, gamble 0.57, adult 0.55 -- categories with a visual signature.

Near zero: searchengines 0.00 (n=13), urlshortener 0.00 (n=5), government 0.08 (n=10). A search page and a URL shortener are both a logo above a text box; there is not much for this to see.

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
SiglipForImageClassification
Ревизия весов
2c5704b

0 моделей