/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
sscd-copy-detection · dense
Опубликована
19 июн 2024

sscd-copy-detection

Эмбеддинги изображенийИзображение → embedding7 профессий

Модель SSCD извлекает признаки изображений для поиска копий и оценки визуального сходства.

161скачиваний за 30 дней4лайкавеса обновлены19 июн 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

m3/sscd-copy-detection — модель извлечения признаков изображений для поиска копий и визуально похожих изображений. Пример в карточке показывает загрузку изображений через Transformers pipeline и сравнение полученных векторов с помощью косинусного сходства.

Модель относится к архитектурному семейству SSCD Copy Detection и выдаёт векторные представления изображений. Такой подход подходит для поиска дубликатов в коллекциях и оценки сходства пары изображений. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

  • поиск точных копий изображений в коллекции
  • поиск визуально похожих изображений
  • сравнение двух изображений по косинусному сходству

Ограничения

Карточка не приводит метрик качества и условий оценки. Для определения порога сходства и надёжной работы на конкретной коллекции потребуется собственная проверка.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

refer: https://github.com/facebookresearch/sscd-copy-detection

# code in src/demo.py
import model
from transformers import pipeline
from transformers.image_utils import load_image

pipe = pipeline(
    task='sscd-copy-detection',
    model='m3/sscd-copy-detection',
    batch_size=10,
    device='cpu',
)

vec1 = pipe(load_image("http://images.cocodataset.org/val2017/000000039769.jpg"))
vec2 = pipe(load_image("http://images.cocodataset.org/val2017/000000039769.jpg"))

import torch.nn.functional as F
cos_sim = F.cosine_similarity(vec1, vec2, dim=0)
print('similarity:', cos_sim.item())

Как запустить

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

GPU в ailist

Универсальный рантайм · image-feature-extraction

Нельзя запустить

Архитектура sscd-copy-detection неизвестна transformers в образе рантайма.

Ревизия весов
a76722d

0 моделей