Кодировщик ConvNeXt Nano из проекта Zoobot для классификации и извлечения признаков из изображений в градациях серого.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это кодировщик изображений zoobot-encoder-greyscale-convnext_nano из проекта Zoobot, предназначенный для использования как визуальная основа при работе с изображениями. Модель построена на архитектуре ConvNeXt Nano и доступна через библиотеку timm; README показывает загрузку кодировщика с отключённой классификационной головой для дальнейшей настройки или извлечения признаков.
Карточка относит модель к image-classification и описывает её как encoder, который можно загружать и дообучать по инструкциям Zoobot. Название указывает на обработку изображений в градациях серого; сведений о конкретных задачах Zoobot, разрешении входа и результатах оценки в карточке нет. Модель распространяется по лицензии Apache-2.0.
Карточка не приводит метрики, сведения о размере входа или подробное описание целевых наборов данных; название указывает на специализированную обработку изображений в градациях серого.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Please see the Zoobot docs for loading and finetuning instructions.
But minimally, you can use this like any timm encoder:
import timm
encoder = timm.create_model('hf_hub:mwalmsley/zoobot-encoder-some-name', pretrained=True, num_classes=0)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · timm · image-classification
Подбираем GPU…