/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
microvit · dense
Библиотека
transformers
Опубликована
1 июл 2026

microvit-s2

Классификация изображенийИзображение → label3 профессии

Компактная модель SHViT с 10 млн параметров, предварительно обученная на ImageNet-1K для классификации изображений по 1000 классам.

6скачиваний за 30 дней0лайковвеса обновлены1 июл 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

MicroViT-S2 — модель классификации изображений на основе SHViT (Single-Head Vision Transformer), опубликованная пользователем henriquequeirozcunha. Она предварительно обучена на ImageNet-1K и предназначена для отнесения изображений к одному из 1000 классов. В карточке указано 10 млн параметров и точность Top-1 74,6%. Модель распространяется в формате safetensors и поддерживается библиотекой Transformers. Лицензия — Apache-2.0.

Модель подходит для классификации изображений общего назначения и экспериментов с компактными vision-трансформерами. Доступные сведения не описывают её работу вне набора классов ImageNet-1K или дополнительные возможности.

Сценарии применения

  • классификация изображений по классам ImageNet-1K
  • определение основного объекта на фотографии
  • сравнение компактных vision-трансформеров
  • эксперименты с классификацией изображений в Transformers

Ограничения

Модель обучена для 1000 классов ImageNet-1K, поэтому её классификационные метки ограничены этим набором. Указанная точность Top-1 74,6% относится к ImageNet-1K.

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

MicroViT-S2

ImageNet-1K pretrained MicroViT-S2 (10.0M params, 74.6% Top-1 accuracy).

Architecture: SHViT (Single-Head Vision Transformer) backbone. Source paper: https://arxiv.org/abs/2502.05800 Official repo: https://github.com/novendrastywn/MicroViT

Usage

from transformers import AutoModelForImageClassification, AutoImageProcessor

# Load ImageNet pretrained (1000 classes)
model = AutoModelForImageClassification.from_pretrained(
    "henriquequeirozcunha/microvit-s2",
    trust_remote_code=True,
)

# Fine-tune for binary classification
model = AutoModelForImageClassification.from_pretrained(
    "henriquequeirozcunha/microvit-s2",
    num_labels=2,
    ignore_mismatched_sizes=True,
    trust_remote_code=True,
)

Preprocessing: 224×224, ImageNet normalization (mean=[0.485,0.456,0.406], std=[0.229,0.224,0.225]).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MicroViTForImageClassification
Ревизия весов
b8dc1cc

0 моделей