/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
timm
Опубликована
9 июл 2026

image-context-sorter-dinov2

Классификация изображенийИзображение → label

Классификатор на основе частично дообученной DINOv2 распределяет фотографии ремонта после повреждения водой по восьми этапам и типам работ.

0скачиваний за 30 дней0лайковвеса обновлены9 июл 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

Image Context Sorter — DINOv2 partial fine-tune — это классификатор фотографий ремонтных работ, разработанный для внутреннего сервиса 하우스캐치 в сфере устранения последствий повреждений водой. Модель относит одно изображение к одной из восьми категорий этапов и видов работ: демонтаж, фото «до», результат «после», защитное укрытие, монтаж гипсокартона, поиск протечек, оклейка обоями или удаление плесени.

Модель основана на vit_base_patch14_dinov2.lvd142m из семейства DINOv2 и частично дообучена: разморожены последние четыре блока трансформера, финальная нормализация и новая классификационная голова на восемь классов; остальная часть основы заморожена. На тестовом наборе из карточки указаны macro-F1 0,737 и точность попадания правильного класса в топ-2 0,895. Для калиброванных оценок уверенности температуру около 2,44 применяют к логитам перед softmax; это не меняет выбранный класс.

Модель принимает изображения размером 224 пикселя и выдаёт метку класса. Она предназначена для внутренних рабочих фотографий и не предназначена для распространения. Весы доступны как PyTorch state_dict; лицензия указана как other, поэтому условия использования следует уточнять у владельца модели.

Сценарии применения

  • сортировка фотографий демонтажа и ремонта по этапам
  • распознавание фотографий до и после работ
  • классификация снимков монтажа гипсокартона и оклейки обоями
  • определение фотографий поиска протечек и удаления плесени
  • автоматическая категоризация фотографий защитного укрытия на объекте

Ограничения

Модель обучена на клиентских рабочих фотографиях для внутреннего использования, не предназначена для распространения; качество на тестовом наборе не гарантирует результат на других данных. Для корректной оценки уверенности следует применять температурную калибровку к логитам перед softmax.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Image Context Sorter — DINOv2 partial fine-tune

Restoration-work photo classifier for 하우스캐치 (water-damage restoration). Classifies a single photo into one of 8 work-type / stage categories.

Private / internal — trained on client work photos; not for redistribution.

Results (locked test set, 8 classes)

Modelmacro-F1top-2
518px frozen linear probe (baseline)0.6010.830
224px frozen linear probe (control)0.6170.800
224px partial fine-tune (this model)0.7370.895

Every class improved over the probe; the previously weakest class (곰팡이제거) rose 0.44 → 0.67 and its 곰팡이제거↔누수탐지 confusion was eliminated.

Model

  • Base: vit_base_patch14_dinov2.lvd142m (timm / Meta DINOv2)
  • Fine-tune: partial — the last 4 transformer blocks + final norm + a new 8-class head are unfrozen; the rest of the backbone is frozen. Input 224px (position-embedding interpolation). Discriminative LR (backbone 1e-5 / head 1e-3), AdamW + cosine schedule, float16 autocast (Apple MPS), class-weighted cross-entropy, early stopping on val macro-F1. No vertical-flip augmentation (ceiling/floor structure is a label cue).
  • Calibration: temperature scaling, T ≈ 2.44 (fit on the val split). Apply it to logits before softmax for honest confidence; it does not change argmax/accuracy.

Classes (index order)

0 철거중 · 1 비포1 · 2 애프터 · 3 보양작업 · 4 석고보드설치 · 5 누수탐지 · 6 도배작업 · 7 곰팡이제거

How to load

import timm, torch
from torchvision import transforms as T

model = timm.create_model(
    "vit_base_patch14_dinov2.lvd142m", pretrained=False, num_classes=8, img_size=224
)
model.load_state_dict(torch.load("finetune.pt", map_location="cpu"))
model.eval()

tf = T.Compose([
    T.Resize(224), T.CenterCrop(224), T.ToTensor(),
    T.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)),
])
# logits = model(tf(img).unsqueeze(0))
# probs  = torch.softmax(logits / 2.44, dim=1)   # temperature-calibrated

License

This is a derivative of Meta's DINOv2 (vit_base_patch14_dinov2.lvd142m). Use is governed by the DINOv2 model license — see https://github.com/facebookresearch/dinov2. Confirm redistribution / commercial terms before any external distribution.

Notes

  • Weights are a raw PyTorch state_dict (finetune.pt). Consider converting to safetensors for safer, code-free loading.
  • See config.json for the exact class list, temperature, and preprocessing.

Как запустить

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

GPU в ailist

Универсальный рантайм · timm · image-classification

Можно запустить

Подбираем GPU…

Ревизия весов
8bb0466

0 моделей