Характеристики

Параметры: 33 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Опубликована: 16 апр 2024

Ссылки

Hugging Face

SWIN-AI-Image-Detector

mmanikanta

Классификация изображенийИзображение → label3 профессии

Дообученная Swin-модель для классификации изображений, назначение классов которой в карточке не уточнено.

173скачиваний за 30 дней0лайковвеса обновлены20 апр 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

SWIN-AI-Image-Detector — модель классификации изображений, разработанная автором репозитория и дообученная на базе microsoft/swin-tiny-patch4-window7-224. Она использует архитектуру Swin Transformer и содержит 33 млн параметров. Модель предназначена для распознавания изображений, однако README не раскрывает набор классов и конкретное назначение детектора.

На указанном в карточке наборе оценки модель достигла accuracy 0,9833 и loss 0,0461. Эти результаты нельзя переносить на другие данные: обучающий датасет, методика оценки и ограничения модели не описаны. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Сценарии применения

Классификация изображений по обученным классам
Проверка качества классификации на данных, похожих на оценочный набор

Ограничения

Не указаны обучающий датасет, набор классов и конкретные сценарии применения; заявленные метрики относятся только к оценочному набору карточки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей 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

SWIN-AI-Image-Detector

This model is a fine-tuned version of microsoft/swin-tiny-patch4-window7-224 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.0461
Accuracy: 0.9833

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: 32
eval_batch_size: 32
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 128
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.2411	1.0	547	0.2430	0.9013
0.2011	2.0	1094	0.1053	0.9593
0.1722	3.0	1641	0.0825	0.9671
0.1424	4.0	2188	0.0851	0.9686
0.1244	5.0	2735	0.0714	0.9733
0.1089	6.0	3282	0.0712	0.9734
0.1047	7.0	3829	0.0461	0.9833
0.1079	8.0	4376	0.0454	0.9829
0.0805	9.0	4923	0.0577	0.9790
0.0778	10.0	5470	0.0539	0.9807

Framework versions

Transformers 4.30.0
Pytorch 2.2.1+cu121
Datasets 2.19.0
Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: SwinForImageClassification
Ревизия весов: b78785c