/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
timm
Опубликована
19 авг 2026

mocov3-vitb16-pas-food

Эмбеддинги изображенийИзображение → embedding

Визуальный backbone MoCo-v3 ViT-B/16, предобученный на изображениях еды для извлечения признаков в задачах компьютерного зрения.

3скачиваний за 30 дней0лайковвеса обновлены2 сен 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

mocov3-vitb16-pas-food — это визуальный backbone MoCo-v3 ViT-B/16, обученный с нуля без учителя на 1,2 млн изображений еды из датасета PaS-F, созданного в рамках проекта Precision at Scale. Авторы связывают чекпойнт с работой о генерации специализированных датасетов по запросу, опубликованной в журнале Pattern Recognition в 2026 году.

Модель предназначена для извлечения признаков изображений и может служить визуальным представлением в задачах компьютерного зрения о продуктах и еде. Веса сохранены в формате PyTorch, совместимом с timm как vit_base_patch16_224 с num_classes=0, и доступны под лицензией CC BY-NC 4.0.

Специализация на изображениях еды и предобучение без учителя могут быть полезны как начальная точка для downstream-задач в пищевой области. Карточка не сообщает результатов бенчмарков или ограничений на конкретные классы задач; качество для целевого сценария следует оценивать отдельно.

Сценарии применения

  • извлечение признаков изображений блюд
  • получение визуальных эмбеддингов фотографий еды
  • подготовка признаков для классификации продуктов питания
  • использование как backbone в моделях анализа изображений еды

Ограничения

Модель предобучена на специализированном наборе изображений еды, поэтому её перенос на другие предметные области не подтверждён. В карточке не приведены метрики качества на downstream-задачах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mocov3-vitb16-pas-food

MoCo-v3 ViT-B/16 backbone, self-supervised pretrained from scratch on the PaS-F domain-specific dataset (Food, 1.2M images) generated by the Precision at Scale pipeline.

Training data

Pretrained on jesusmolrdv/pas-f, the Precision at Scale domain-specific dataset for this checkpoint.

Paper

@article{rodriguezdevera2026precision,
  title   = {Precision at scale: Domain-specific datasets on-demand},
  author  = {Rodr{\'i}guez-de-Vera, Jes{\'u}s M. and Estepa, Imanol G. and Saras{\'u}a, Ignacio and Nagarajan, Bhalaji and Radeva, Petia},
  journal = {Pattern Recognition},
  volume  = {171},
  pages   = {112236},
  year    = {2026},
  publisher = {Elsevier},
  doi     = {10.1016/j.patcog.2025.112236}
}

https://arxiv.org/abs/2407.03463

Usage

This backbone is stored in plain timm format (vit_base_patch16_224, num_classes=0), so it loads directly through the timm Hugging Face Hub integration:

import timm

model = timm.create_model("hf_hub:jesusmolrdv/mocov3-vitb16-pas-food", pretrained=True)
model.eval()

model outputs 768-d backbone features (no classification head attached).

Как запустить

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

GPU в ailist

Универсальный рантайм · timm · image-feature-extraction

Можно запустить

Подбираем GPU…

Ревизия весов
9092103

0 моделей