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

Hugging Face

furniture_use_data_partial_finetuning4

m28yhtd

Поиск объектовИзображение → bounding_boxes

Дообученная DETR-модель для обнаружения и локализации объектов на изображениях, предположительно мебели.

103скачиваний 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

Модель m28yhtd/furniture_use_data_partial_finetuning4 — дообученная версия facebook/detr-resnet-50 для обнаружения объектов на изображениях. Она предсказывает классы объектов и их ограничивающие рамки; название репозитория указывает на применение к мебели, однако карточка не уточняет набор классов и не описывает обучающие данные. Модель построена на архитектуре DETR с ResNet-50, использует библиотеку Transformers и сохраняется в формате safetensors. Указан размер 6,3 млн параметров. Лицензия — Apache-2.0.

Сценарии применения

поиск мебели на изображениях
определение классов предметов мебели
локализация предметов мебели ограничивающими рамками

Ограничения

В README не описаны набор классов, обучающие данные и результаты оценки, поэтому качество и точный охват обнаруживаемых объектов не установлены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

furniture_use_data_partial_finetuning4

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: 648a098