Характеристики

Контекст: 1 024 токена
Параметры: 6,3 млн
Лицензия: Apache 2.0
Архитектура: detr · dense
Базовая модель: detr-resnet-50
Библиотека: transformers
Опубликована: 6 окт 2026

Ссылки

Hugging Face

haejun_furniture_full_finetuning

haejun3

Поиск объектовИзображение → bounding_boxes

Дообученная DETR на ResNet-50 для обнаружения объектов мебели и их расположения на изображениях.

152скачиваний за 30 дней0лайковвеса обновлены6 окт 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

haejun3/haejun_furniture_full_finetuning — модель обнаружения объектов на изображениях, созданная дообучением facebook/detr-resnet-50. Архитектура относится к семейству DETR и использует ResNet-50; модель предсказывает классы объектов и их ограничивающие рамки. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0.

Модель предназначена для обнаружения объектов мебели на изображениях, что следует из названия репозитория; конкретные классы мебели и условия обучения в карточке не описаны. Ограничения, качество на разных наборах данных и пригодность для конкретных сценариев не оценены в доступной информации.

Сценарии применения

поиск и локализация мебели на фотографиях
автоматическая разметка изображений мебели ограничивающими рамками
подсчёт предметов мебели на изображении

Ограничения

В README не описаны обучающий набор данных, перечень распознаваемых классов, метрики и ограничения качества; обобщение на другие типы изображений не подтверждено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

haejun_furniture_full_finetuning

This model is a fine-tuned version of facebook/detr-resnet-50 on an unknown dataset.

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: 1e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 100
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 4.57.6
Pytorch 2.11.0+cu130
Datasets 4.8.5
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры: DetrForObjectDetection
Ревизия весов: 150fec9