/ Модель

Характеристики

Параметры
113 млн
Лицензия
MIT
Архитектура
vit · dense
Базовая модель
vit-base-patch16-224-in21k
Опубликована
2 дек 2024

vit-traffic-sign-GTSRB

Классификация изображенийИзображение → label3 профессии

ViT, дообученный на GTSRB для классификации изображений немецких дорожных знаков по 43 классам.

410скачиваний за 30 дней2лайкавеса обновлены2 янв 2025

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

Модель Kelvin Andreas для классификации дорожных знаков на изображениях. Она основана на Vision Transformer (ViT) и дообучена на базе google/vit-base-patch16-224-in21k для распознавания 43 классов набора данных GTSRB. Модель содержит 113,2 млн параметров и распространяется в формате Safetensors.

Модель предназначена для распознавания немецких дорожных знаков в изображениях и может применяться в экспериментах или системах компьютерного зрения, которым нужно отнести знак к одному из 43 классов. В README указаны accuracy 0,9846, precision 0,9853, recall 0,9846 и F1 0,9846 на GTSRB. Лицензия — MIT.

Сценарии применения

  • распознавание дорожных знаков на фото
  • классификация немецких дорожных знаков по 43 классам
  • проверка системы компьютерного зрения на наборе GTSRB

Ограничения

Модель обучена для 43 классов GTSRB, поэтому её пригодность для знаков других стран и условий съёмки не подтверждена. Метрики в README приведены для GTSRB; независимая оценка на других данных не описана.

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

Model Details

This model uses the Vision Transformer (ViT) architecture for classifying traffic signs from the German Traffic Sign Recognition Benchmark (GTSRB). It provides a robust solution for image classification tasks, specifically aimed at recognizing traffic signs across 43 different classes.

Model Description

How to Get Started with the Model

To use the model, follow these steps:

  1. Install the required dependencies:
    pip install transformers torch
    
  2. Load the model and processor:
    from transformers import ViTForImageClassification, ViTImageProcessor
    import torch
    from PIL import Image
    
    processor = ViTImageProcessor.from_pretrained("kelvinandreas/vit-traffic-sign-GTSRB")
    model = ViTForImageClassification.from_pretrained("kelvinandreas/vit-traffic-sign-GTSRB")
    
    # Load and process image
    image = Image.open("path_to_image.jpg")
    inputs = processor(images=image, return_tensors="pt")
    
    # Make prediction
    outputs = model(**inputs)
    logits = outputs.logits
    predicted_class_idx = torch.argmax(logits, dim=-1)
    print(predicted_class_idx)
    

Results

The model performance on the GTSRB dataset is as follows:

  • Accuracy: 0.9846
  • Precision: 0.9853
  • Recall: 0.9846
  • F1 Score: 0.9846

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ViTForImageClassification
Ревизия весов
70d534a

0 моделей