/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
6,3 млн
Лицензия
Apache 2.0
Архитектура
detr · dense
Базовая модель
detr-resnet-50
Библиотека
transformers
Опубликована
17 сен 2024

Ссылки

Hugging Face

chickens

joe611
Поиск объектовИзображение → bounding_boxes3 профессии

Дообученная DETR-модель для обнаружения объектов на изображениях, вероятно ориентированная на поиск кур.

321скачиваний за 30 дней0лайковвеса обновлены9 окт 2024

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

joe611/chickens — дообученная модель обнаружения объектов на основе facebook/detr-resnet-50, разработанная автором репозитория joe611. Она предназначена для поиска объектов на изображениях и выдачи их классов и ограничивающих рамок; название модели указывает на задачу обнаружения кур, но карточка не описывает классы объектов и набор данных. Модель построена на архитектуре DETR с ResNet-50 и распространяется в формате safetensors.

В README приведено значение loss 0,2613 на оценочной выборке, но без описания методики и набора данных этот результат трудно интерпретировать. Лицензия — Apache-2.0.

Сценарии применения

  • поиск кур на изображениях
  • обнаружение объектов и определение их рамок
  • автоматическая разметка изображений с объектами

Ограничения

README не описывает набор данных, классы объектов, условия применения или методику оценки; указанное значение loss само по себе не позволяет судить о качестве обнаружения. Ориентация на кур выводится из названия модели, но не подтверждена описанием классов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейIV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

chickens

This model is a fine-tuned version of facebook/detr-resnet-50 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2613

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • num_epochs: 300

Training results

Training LossEpochStepValidation Loss
1.46961.04971.3836
1.09642.09941.0764
0.89053.014910.8395
0.80934.019880.7073
0.74445.024850.6422
0.63246.029820.5710
0.60047.034790.5129
0.54758.039760.4670
0.49019.044730.4419
0.485510.049700.4930
0.454711.054670.4002
0.410612.059640.3824
0.418413.064610.3699
0.403814.069580.3770
0.396715.074550.3576
0.407116.079520.3368
0.343917.084490.3470
0.408918.089460.3332
0.376919.094430.3318
0.356520.099400.3513
0.335721.0104370.3220
0.329422.0109340.3278
0.348223.0114310.3140
0.332624.0119280.2937
0.330425.0124250.3053
0.343926.0129220.3023
0.333627.0134190.2763
0.31828.0139160.2977
0.344629.0144130.3100
0.335230.0149100.3298
0.33931.0154070.2906
0.315232.0159040.3107
0.323533.0164010.2959
0.309834.0168980.2984
0.315235.0173950.2776
0.292636.0178920.2892
0.288137.0183890.2864
0.313138.0188860.2814
0.282939.0193830.2890
0.316840.0198800.2696
0.328441.0203770.2716
0.28542.0208740.2740
0.279743.0213710.2866
0.288844.0218680.2714
0.289845.0223650.2794
0.261546.0228620.2730
0.266147.0233590.2964
0.280648.0238560.3475
0.259149.0243530.2749
0.282450.0248500.2791
0.259951.0253470.2899
0.290852.0258440.2889
0.277653.0263410.2812
0.272254.0268380.2819
0.251955.0273350.2671
0.273556.0278320.2716
0.273157.0283290.2663
0.260458.0288260.2728
0.260259.0293230.2742
0.243360.0298200.2565
0.260361.0303170.2921
0.251562.0308140.2737
0.261863.0313110.2619
0.24864.0318080.2770
0.248165.0323050.2586
0.255666.0328020.2797
0.251567.0332990.2464
0.237268.0337960.2500
0.23969.0342930.2562
0.238770.0347900.2522
0.232971.0352870.2628
0.25272.0357840.2543
0.26373.0362810.2615
0.250174.0367780.2893
0.252175.0372750.2733
0.285576.0377720.2708
0.238777.0382690.2532
0.251678.0387660.2686
0.231879.0392630.2537
0.243680.0397600.2452
0.223781.0402570.2581
0.227882.0407540.2575
0.230383.0412510.2526
0.225684.0417480.2563
0.237985.0422450.2690
0.215486.0427420.2685
0.234887.0432390.2547
0.247188.0437360.2442
0.223489.0442330.2715
0.220690.0447300.2643
0.21491.0452270.2647
0.218192.0457240.2597
0.20493.0462210.2730
0.21394.0467180.2392
0.210795.0472150.2479
0.216196.0477120.2695
0.217397.0482090.2525
0.221598.0487060.2475
0.205799.0492030.2686
0.2231100.0497000.2786
0.2055101.0501970.2644
0.2121102.0506940.2705
0.2337103.0511910.2538
0.2172104.0516880.2561
0.2207105.0521850.2673
0.213106.0526820.2871
0.2191107.0531790.2733
0.2075108.0536760.2595
0.2293109.0541730.2706
0.2166110.0546700.2642
0.2011111.0551670.2628
0.2067112.0556640.2650
0.215113.0561610.2807
0.1979114.0566580.2764
0.2349115.0571550.2569
0.2029116.0576520.2613
0.1968117.0581490.2720
0.1898118.0586460.2752
0.2093119.0591430.2696
0.21120.0596400.2635
0.1968121.0601370.2684
0.2006122.0606340.2500
0.2042123.0611310.2479
0.194124.0616280.2486
0.1938125.0621250.2541
0.1968126.0626220.2792
0.2102127.0631190.2635
0.2041128.0636160.2413
0.1975129.0641130.2604
0.2017130.0646100.2682
0.198131.0651070.2646
0.2011132.0656040.2753
0.1792133.0661010.2599
0.2035134.0665980.2660
0.2014135.0670950.2687
0.2053136.0675920.2678
0.2042137.0680890.2752
0.1992138.0685860.2697
0.1783139.0690830.2608
0.179140.0695800.2735
0.1845141.0700770.2649
0.1868142.0705740.2666
0.1997143.0710710.2565
0.1755144.0715680.2666
0.1846145.0720650.2677
0.1784146.0725620.2621
0.1888147.0730590.2523
0.1963148.0735560.2599
0.1905149.0740530.2512
0.1789150.0745500.2675
0.1916151.0750470.2443
0.1841152.0755440.2371
0.1884153.0760410.2528
0.1767154.0765380.2542
0.1691155.0770350.2565
0.189156.0775320.2482
0.1746157.0780290.2665
0.1739158.0785260.2599
0.1751159.0790230.2576
0.1664160.0795200.2616
0.177161.0800170.2581
0.1791162.0805140.2534
0.1825163.0810110.2673
0.1779164.0815080.2576
0.1734165.0820050.2537
0.1726166.0825020.2429
0.1644167.0829990.2354
0.1767168.0834960.2446
0.1749169.0839930.2498
0.1819170.0844900.2415
0.1863171.0849870.2361
0.1675172.0854840.2550
0.1693173.0859810.2461
0.1658174.0864780.2413
0.1712175.0869750.2457
0.1729176.0874720.2433
0.1645177.0879690.2487
0.1676178.0884660.2384
0.1592179.0889630.2575
0.1707180.0894600.2612
0.1628181.0899570.2500
0.1631182.0904540.2399
0.1678183.0909510.2463
0.1634184.0914480.2618
0.1702185.0919450.2560
0.1692186.0924420.2552
0.1633187.0929390.2492
0.1601188.0934360.2477
0.1711189.0939330.2603
0.1495190.0944300.2665
0.1751191.0949270.2545
0.1765192.0954240.2546
0.1529193.0959210.2523
0.1669194.0964180.2678
0.1552195.0969150.2672
0.1564196.0974120.2561
0.1597197.0979090.2483
0.1592198.0984060.2612
0.156199.0989030.2685
0.1627200.0994000.2564
0.1606201.0998970.2618
0.1514202.01003940.2450
0.1524203.01008910.2638
0.1597204.01013880.2518
0.1549205.01018850.2497
0.1542206.01023820.2605
0.167207.01028790.2610
0.1531208.01033760.2616
0.1511209.01038730.2555
0.1482210.01043700.2496
0.1665211.01048670.2520
0.16212.01053640.2573
0.1539213.01058610.2669
0.1463214.01063580.2463
0.1502215.01068550.2514
0.1487216.01073520.2596
0.152217.01078490.2625
0.1567218.01083460.2588
0.1558219.01088430.2558
0.1531220.01093400.2549
0.1561221.01098370.2558
0.1525222.01103340.2534
0.1539223.01108310.2542
0.1673224.01113280.2475
0.1501225.01118250.2654
0.1476226.01123220.2636
0.1506227.01128190.2603
0.1521228.01133160.2581
0.1459229.01138130.2546
0.1519230.01143100.2526
0.1546231.01148070.2575
0.147232.01153040.2566
0.1501233.01158010.2531
0.1451234.01162980.2570
0.1586235.01167950.2616
0.1499236.01172920.2516
0.1565237.01177890.2565
0.1521238.01182860.2578
0.1526239.01187830.2568
0.153240.01192800.2526
0.1486241.01197770.2600
0.1534242.01202740.2584
0.1434243.01207710.2589
0.1474244.01212680.2589
0.1375245.01217650.2571
0.1426246.01222620.2562
0.14247.01227590.2534
0.1448248.01232560.2564
0.1506249.01237530.2575
0.1454250.01242500.2595
0.1499251.01247470.2585
0.1497252.01252440.2569
0.1503253.01257410.2613
0.1496254.01262380.2590
0.1489255.01267350.2607
0.141256.01272320.2595
0.1535257.01277290.2593
0.1435258.01282260.2603
0.1461259.01287230.2601
0.1568260.01292200.2573
0.1392261.01297170.2579
0.1458262.01302140.2682
0.1492263.01307110.2634
0.1502264.01312080.2636
0.145265.01317050.2649
0.1493266.01322020.2633
0.1466267.01326990.2622
0.1526268.01331960.2594
0.1415269.01336930.2598
0.1463270.01341900.2623
0.15271.01346870.2618
0.1454272.01351840.2588
0.1445273.01356810.2547
0.1456274.01361780.2609
0.15275.01366750.2598
0.1458276.01371720.2630
0.1379277.01376690.2625
0.1409278.01381660.2604
0.1424279.01386630.2607
0.1479280.01391600.2612
0.1407281.01396570.2610
0.1507282.01401540.2611
0.1442283.01406510.2618
0.1497284.01411480.2610
0.146285.01416450.2600
0.1687286.01421420.2620
0.1409287.01426390.2610
0.1507288.01431360.2585
0.1474289.01436330.2608
0.1431290.01441300.2594
0.1496291.01446270.2617
0.1444292.01451240.2596
0.1382293.01456210.2612
0.151294.01461180.2614
0.1357295.01466150.2615
0.1436296.01471120.2614
0.1473297.01476090.2613
0.1423298.01481060.2613
0.1495299.01486030.2613
0.1457300.01491000.2613

Framework versions

  • Transformers 4.45.2
  • Pytorch 2.4.1+cu121
  • Datasets 2.19.2
  • Tokenizers 0.20.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры
DetrForObjectDetection
Ревизия весов
ac50ca6

0 моделей

    Создать бенчмарк