Характеристики

Параметры: 113 млн
Лицензия: CC BY-NC 4.0
Архитектура: videomae · dense
Базовая модель: videomae-base
Библиотека: transformers
Опубликована: 2 сен 2026

Ссылки

Hugging Face

videomae-base-finetuned-ucf101-subset

mastercljohnson

Классификация видеоВидео → label3 профессии

Дообученная VideoMAE-base для классификации видео по содержимому.

16скачиваний за 30 дней0лайковвеса обновлены2 сен 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

VideoMAE-base, разработанная MCG-NJU, дообучена автором репозитория mastercljohnson для классификации видео. Модель содержит 113,2 млн параметров и реализована на базе Transformers; веса опубликованы в формате safetensors.

На оценочном наборе указаны loss 0,7274 и accuracy 0,7871. Карточка связывает модель с подмножеством UCF101 в названии, но сообщает, что набор данных неизвестен, поэтому состав классов и область применения по этим сведениям подтвердить нельзя. Лицензия CC BY-NC 4.0 разрешает использование на условиях Creative Commons Attribution-NonCommercial 4.0.

Сценарии применения

классификация видеоклипов по действиям
распознавание действий в видео
автоматическая категоризация видеозаписей

Ограничения

Описание не раскрывает обучающие данные и подробности ограничений; результаты оценки указаны без сведений о протоколе и классах. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

videomae-base-finetuned-ucf101-subset

This model is a fine-tuned version of MCG-NJU/videomae-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.7274
Accuracy: 0.7871

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: 5e-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
lr_scheduler_warmup_steps: 0.1
training_steps: 148

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
2.1445	0.2568	38	1.9403	0.3
1.2244	1.2568	76	1.2870	0.5714
0.7400	2.2568	114	0.9333	0.6571
0.4338	3.2297	148	0.7669	0.7286

Framework versions

Transformers 5.16.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.23.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · video-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: VideoMAEForVideoClassification
Ревизия весов: 360e66e