/ 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
11 окт 2026

Ссылки

Hugging Face

furniture_data_finetuning_1

kumumin
Поиск объектовИзображение → bounding_boxes

Дообученная DETR-модель для обнаружения объектов на изображениях и определения их рамок.

108скачиваний за 30 дней0лайковвеса обновлены11 окт 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

kumumin/furniture_data_finetuning_1 — модель обнаружения объектов, дообученная разработчиком на базе facebook/detr-resnet-50. Она предназначена для поиска объектов на изображениях и предсказания их классов и ограничивающих рамок. Репозиторий использует архитектуру DETR с ResNet-50 и формат весов safetensors; число параметров по метаданным — 6,3 млн.

Карточка не раскрывает состав категорий мебели, обучающие данные, качество на тестах или практические ограничения, поэтому пригодность модели для конкретных типов мебели и условий съёмки оценить нельзя. Лицензия — Apache-2.0.

Сценарии применения

  • поиск предметов мебели на изображениях
  • определение положения и рамок обнаруженных объектов
  • автоматическая разметка изображений для каталога мебели

Ограничения

В карточке не указаны категории объектов, обучающий датасет и результаты оценки, поэтому точность и область применимости модели неясны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

furniture_data_finetuning_1

This model is a fine-tuned version of facebook/detr-resnet-50 on an unknown dataset.

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: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 100
  • mixed_precision_training: Native AMP

Training results

Framework versions

  • Transformers 4.57.6
  • Pytorch 2.11.0+cu130
  • Datasets 4.8.5
  • Tokenizers 0.22.2

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
39dd3c8

0 моделей

    Создать бенчмарк