Характеристики

Контекст: 1 024 токена
Параметры: 6,3 млн
Лицензия: Apache 2.0
Архитектура: detr · dense
Базовая модель: detr-resnet-50
Библиотека: transformers
Опубликована: 2 окт 2025

Ссылки

furniture_use_data_partial_finetuning3

Поиск объектовИзображение → bounding_boxes3 профессии

Дообученная на неизвестном наборе данных DETR-модель для обнаружения объектов на изображениях, предназначенная, судя по названию, для сценариев с мебелью.

116скачиваний за 30 дней0лайковвеса обновлены2 окт 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

m28yhtd/furniture_use_data_partial_finetuning3 — дообученная модель обнаружения объектов на базе facebook/detr-resnet-50, разработанная автором репозитория. Она предназначена для поиска объектов на изображениях и предсказания их классов и ограничивающих рамок. Модель построена на архитектуре DETR с ResNet-50 и опубликована в формате safetensors; в метаданных указано 6,3 млн параметров.

Модель может применяться для обнаружения объектов мебели на изображениях, что следует из названия репозитория, однако состав классов и обучающий набор данных не описаны. Лицензия — Apache-2.0. README не содержит сведений о качестве, оценке или конкретных ограничениях модели.

Сценарии применения

поиск мебели на изображениях
обнаружение предметов на фотографиях помещений
локализация объектов с ограничивающими рамками

Ограничения

Не описаны обучающий набор данных, категории объектов, метрики качества и условия оценки; пригодность для конкретных сценариев с мебелью требует проверки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели IV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962модели IV.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

furniture_use_data_partial_finetuning3

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 4.56.1
Pytorch 2.8.0+cu126
Datasets 4.0.0
Tokenizers 0.22.0

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: 8d8e86d