/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
detr · dense
Базовая модель
detr-resnet-50
Опубликована
7 авг 2026

pi-r3

Поиск объектовИзображение → bounding_boxes3 профессии

Детектор на базе DETR находит и размечает семь типов содержимого на сканах исторических газет времён Первой мировой войны.

8скачиваний за 30 дней0лайковвеса обновлены7 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

Модель harness-race/pi-r3 — детектор объектов на базе DETR с ResNet-50, дообученный на датасете Beyond Words для анализа исторических газетных страниц времён Первой мировой войны из коллекции Library of Congress, Chronicling America. Она находит и обводит рамками семь видов содержимого: фотографии, иллюстрации, карты, комиксы и карикатуры, редакционные карикатуры, заголовки и рекламные объявления.

Модель предназначена для автоматической разметки сканов американских газет 1910-х годов, например для поиска и локализации визуальных материалов и газетных элементов. На проверочной выборке указана метрика mAP 0,113 при IoU 0,5–0,95 и mAP@0,5 0,2466. Репозиторий содержит веса в формате safetensors; архитектура и веса модели распространяются по лицензии Apache-2.0.

Сценарии применения

  • поиск фотографий в сканах исторических газет
  • локализация иллюстраций, карт и карикатур на газетных страницах
  • обнаружение заголовков в газетных архивах
  • поиск рекламных объявлений в газетных сканах
  • автоматическая разметка страниц американских газет 1910-х годов

Ограничения

Модель обучалась на сканах преимущественно американских газет 1910-х годов и может хуже работать с другими эпохами, языками и макетами; классы заметно несбалансированы. Максимальная длина стороны изображения при обучении ограничена 768 пикселями, а метрики проверки указывают на ограниченную точность обнаружения.

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

DETR (ResNet-50) fine-tuned on Beyond Words (loc_beyond_words)

Object detection model detecting 7 types of visual content on World War I-era historical newspaper pages (Library of Congress, Chronicling America): photographs, illustrations, maps, comics/cartoons, editorial cartoons, headlines, and advertisements.

  • Base model: facebook/detr-resnet-50 (Apache-2.0)
  • Dataset: biglam/loc_beyond_words (CC0-1.0), 2,846 train / 712 validation images, COCO format
  • Task: object detection (bounding boxes + class labels)

How to use

from transformers import AutoImageProcessor, DetrForObjectDetection
from PIL import Image
import requests

url = "https://tile.loc.gov/storage-services/service/amed/amedscd/2018603128/001.jpg"  # example page
image = Image.open(requests.get(url, stream=True).raw)

processor = AutoImageProcessor.from_pretrained("harness-race/pi-r3")
model = DetrForObjectDetection.from_pretrained("harness-race/pi-r3")

inputs = processor(images=image, return_tensors="pt")
outputs = model(**inputs)

target_sizes = [(image.height, image.width)]
results = processor.post_process_object_detection(outputs, threshold=0.5,
                                                  target_sizes=target_sizes)[0]
for score, label, box in zip(results["scores"], results["labels"], results["boxes"]):
    print(score, model.config.id2label[label.item()], [round(x, 2) for x in box.tolist()])

Or with the pipeline:

from transformers import pipeline
detector = pipeline("object-detection", model="harness-race/pi-r3")
results = detector(image, threshold=0.5)

Training details

Fine-tuned from the COCO-pretrained checkpoint with the HF Transforms API (aspect-preserving resize to shortest edge 480px, max 768px, padding with pixel masks, random horizontal flip augmentation).

HyperparameterValue
Epochs (best)13 of 14 requested
Batch size4
OptimizerAdamW
Learning rate (main / backbone)5e-05 / 5e-06
Weight decay0.0001
Warmup / schedule2% linear warmup + cosine decay
Gradient clipping10.0
Early stopping patience3 (on validation loss)
Max input size768px
Total training time57 min

Class distribution in the training set is skewed (Headline ~58%, Advertisement ~28%, followed by Photograph / Comics / Illustration / Editorial Cartoon / Map).

Validation results (hold-out split, COCO protocol)

MetricValue
mAP (IoU 0.5:0.95)0.1130
mAP@0.50.2466
mAP@0.750.0954
mAR (max 100 dets)0.2892

Per-class mAP (IoU 0.5:0.95, area=all, maxDets=100):

ClassmAP
Photograph0.2316
Illustration0.0531
Map0.0189
Comics/Cartoon0.1403
Editorial Cartoon0.1589
Headline0.0650
Advertisement0.1236

Training/validation loss curves and full eval details are in training_log.json in this repository.

Limitations

  • Trained on WWI-era (mostly 1910s) American newspaper scans; may transfer less well to other layouts, eras, or languages.
  • Classes are heavily imbalanced (headlines and advertisements dominate).
  • Input resolution is limited to 768px on the longest edge; re-running inference at higher resolution may improve small-object recall.
  • Model weights are the DETR Apache-2.0-licensed architecture; dataset is CC0.

Как запустить

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

GPU в ailist

Универсальный рантайм · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры
DetrForObjectDetection
Ревизия весов
25bf0df

0 моделей