/ Модель

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
8 авг 2026

sri-lankan-stamp-matcher-resnet18

Эмбеддинги изображенийИзображение → embedding

Модель ResNet18 преобразует изображения почтовых марок Шри-Ланки в эмбеддинги для поиска визуально похожих марок в коллекции.

0скачиваний за 30 дней0лайковвеса обновлены8 авг 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

Модель nethsith/sri-lankan-stamp-matcher-resnet18 разработана для поиска визуально похожих почтовых марок Шри-Ланки в известной коллекции. Она использует backbone ResNet18, предварительно обученный на ImageNet, и формирует эмбеддинг размером 256 для изображения обрезанной марки. Обучение выполнено с помощью supervised contrastive learning и последующей настройки на сложных отрицательных примерах методом triplet training.

Для поиска изображения марок преобразуют в эмбеддинги и сравнивают с сохранёнными векторными представлениями коллекции по косинусному сходству. В описанных испытаниях на коллекции из 353 марок точность точного совпадения составила 0,875 для top-1 и 0,985 для top-5; результаты validation split — 0,880 и 0,989 соответственно. Модель распространяется по лицензии MIT.

Модель предназначена для ранжирования похожих изображений, а не для строгой бинарной проверки принадлежности марки. Результаты поиска рекомендуется показывать пользователю для подтверждения. Качество может снижаться из-за сильных штемпелей, выцветания, неудачной обрезки, различий в освещении и сходства дизайнов.

Сценарии применения

  • поиск похожей марки Шри-Ланки в каталоге
  • поиск возможного совпадения по фотографии марки
  • ранжирование марок по визуальному сходству
  • сопоставление марки с изображениями в коллекции

Ограничения

Это модель поиска по визуальному сходству, а не строгий классификатор принадлежности марки; результаты следует подтверждать вручную. Качество может ухудшаться при сильных штемпелях, выцветании, плохой обрезке, различиях в освещении и сходных дизайнах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Sri Lankan Stamp Matcher ResNet18

This model is a fine-tuned ResNet18-based stamp matcher for retrieving visually similar Sri Lankan stamp images from a known collection.

The model uses a ResNet18 backbone with a 256-dimensional embedding head. It was fine-tuned using supervised contrastive learning and hard-negative triplet fine-tuning.

Intended Use

The model is designed for stamp similarity retrieval. Given a cropped stamp image, it generates an embedding vector that can be compared with stored collection embeddings using cosine similarity.

Model Details

  • Backbone: ResNet18
  • Pretraining: ImageNet
  • Embedding size: 256
  • Training method: supervised contrastive learning
  • Fine-tuning method: hard-negative triplet training
  • Similarity metric: cosine similarity

Dataset

The model was trained using the Sri Lankan Stamp Matcher Dataset:

https://huggingface.co/datasets/nethsith/sri-lankan-stamp-matcher-dataset

Evaluation

One-reference collection retrieval test:

  • Reference collection size: 353
  • Query images: 674
  • Exact top-1 accuracy: 0.875
  • Exact top-5 accuracy: 0.985
  • Family top-1 accuracy: 0.944

Validation split evaluation:

  • Exact top-1 accuracy: 0.880
  • Exact top-5 accuracy: 0.989
  • Family top-1 accuracy: 0.978

Limitations

This is a retrieval model, not a strict yes/no ownership classifier. It returns the most visually similar stamps from the collection. For practical use, top-k results should be shown to the user for confirmation.

Performance may be affected by heavy cancellation marks, faded stamps, poor crops, lighting differences, and visually similar stamp designs.

License

This model is released under the MIT License.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch · image-feature-extraction

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
bc4efae

0 моделей