/ Модель

Характеристики

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

microvit-s3

Классификация изображенийИзображение → label3 профессии

MicroViT-S3 — компактная модель SHViT для классификации изображений по 1000 классам ImageNet-1K.

9скачиваний 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-S3 — модель классификации изображений с архитектурой SHViT (Single-Head Vision Transformer), опубликованная пользователем henriquequeirozcunha. Она предварительно обучена на ImageNet-1K и предназначена для отнесения изображения к одному из 1000 классов. В README заявлены 16,7 млн параметров и точность Top-1 77,1%; модель загружается через Transformers как AutoModelForImageClassification.

Модель подходит для классификации изображений общего назначения и экспериментов с компактными vision transformer. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. В карточке также указан тег image-classification.

Сценарии применения

  • Классификация изображений по классам ImageNet
  • Распознавание объектов на фотографиях
  • Быстрая проверка классификатора изображений в прототипе
  • Эксперименты с компактными vision transformer

Ограничения

Модель предназначена для классификации по 1000 классам ImageNet-1K; точность Top-1 77,1% приведена в README и не гарантирует аналогичного качества на других наборах данных. Для загрузки в примере README используется trust_remote_code=True.

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-S3

ImageNet-1K pretrained MicroViT-S3 (16.7M params, 77.1% 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-s3",
    trust_remote_code=True,
)

# Fine-tune for binary classification
model = AutoModelForImageClassification.from_pretrained(
    "henriquequeirozcunha/microvit-s3",
    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
dfe60ba

0 моделей