Характеристики

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

Ссылки

mocov3-vitb16-pas-food-mini

Эмбеддинги изображенийИзображение → embedding

Самообученный backbone MoCo-v3 ViT-B/16 извлекает признаки изображений еды для поиска и построения последующих моделей компьютерного зрения.

4скачиваний 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

jesusmolrdv/mocov3-vitb16-pas-food-mini — модель извлечения признаков изображений, разработанная авторами работы Precision at scale: Domain-specific datasets on-demand. Это визуальный backbone MoCo-v3 на базе Vision Transformer ViT-B/16, предварительно обученный с нуля методом self-supervised learning на датасете PaS-FMini из 0,6 млн изображений еды.

Модель предназначена для получения визуальных признаков, которые можно использовать как представление изображений в последующих задачах компьютерного зрения, например для поиска похожих блюд или построения классификатора еды. Веса сохранены в формате PyTorch, совместимы с timm и архитектурой vit_base_patch16_224 с num_classes=0.

Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое. Специализация на изображениях еды и обучение на предметном датасете ограничивают переносимость признаков на другие визуальные области; готовых меток классов модель не выдаёт.

Сценарии применения

извлечение признаков изображений блюд
поиск похожих фотографий еды
подготовка эмбеддингов еды для кластеризации
инициализация классификатора изображений еды

Ограничения

Модель обучена на изображениях еды, поэтому качество переноса на другие предметные области может быть ограничено. Выдаёт признаки, а не готовые классы; лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mocov3-vitb16-pas-food-mini

MoCo-v3 ViT-B/16 backbone, self-supervised pretrained from scratch on the PaS-FMini domain-specific dataset (Food, 0.6M images) generated by the Precision at Scale pipeline.

Training data

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

Paper

Paper (Pattern Recognition, 2026): https://doi.org/10.1016/j.patcog.2025.112236
Official code: https://github.com/jesusmolrdv/Precision-at-Scale

@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-mini", 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: b5765cf