Характеристики

Параметры: 28,3 млн
Архитектура: dinov2 · dense
Базовая модель: dinov2_Liveness_detection_v2.1.3
Библиотека: transformers
Опубликована: 20 янв 2025

Ссылки

Hugging Face

dinov2_Liveness_detection_v2.1.4

nguyenkhoa

Классификация изображенийИзображение → label

Дообученный классификатор DINOv2 для определения живости по изображениям.

23скачиваний за 30 дней1лайквеса обновлены3 фев 2025

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 nguyenkhoa/dinov2_Liveness_detection_v2.1.4 — дообученная версия nguyenkhoa/dinov2_Liveness_detection_v2.1.3 на неизвестном наборе данных. Это классификатор изображений на архитектуре DINOv2 с 28,3 млн параметров, сохранённый в формате safetensors и предназначенный для определения живости по изображениям.

В README приведены результаты оценки: accuracy и F1 0,9967 на одном наборе оценки. Для дополнительных метрик указаны APCER 0,2754, BPCER 0,0162 и ACER 0,1458, а также accuracy 0,8032, F1 0,8369, recall 0,9838 и precision 0,6088. Набор данных и условия оценки не описаны, поэтому показатели нельзя напрямую переносить на реальные сценарии. Лицензия в предоставленных данных не указана.

Сценарии применения

классификация изображений для проверки живости
анализ изображения в системе контроля доступа
выявление поддельных изображений при проверке личности

Ограничения

Данные обучения неизвестны, а README приводит существенно различающиеся результаты на оценках без описания протоколов и наборов данных. Поэтому качество на новых камерах, типах атак и реальных условиях не установлено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

dinov2_Liveness_detection_v2.1.4

This model is a fine-tuned version of nguyenkhoa/dinov2_Liveness_detection_v2.1.3 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.0167
Accuracy: 0.9967
F1: 0.9967
Recall: 0.9967
Precision: 0.9967

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: 768
eval_batch_size: 8
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 5
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1	Recall	Precision
0.0402	0.5872	64	0.0219	0.9919	0.9919	0.9919	0.9920
0.0231	1.1743	128	0.0355	0.9892	0.9891	0.9892	0.9893
0.0152	1.7615	192	0.0178	0.9935	0.9935	0.9935	0.9935
0.0085	2.3486	256	0.0279	0.9932	0.9932	0.9932	0.9932
0.0086	2.9358	320	0.0196	0.9938	0.9938	0.9938	0.9938
0.0041	3.5229	384	0.0185	0.9957	0.9957	0.9957	0.9957
0.0018	4.1101	448	0.0191	0.9961	0.9961	0.9961	0.9961
0.0008	4.6972	512	0.0167	0.9967	0.9967	0.9967	0.9967

Framework versions

Transformers 4.47.0
Pytorch 2.5.1+cu121
Datasets 3.2.0
Tokenizers 0.21.0

Evaluate results

APCER: 0.2754
BPCER: 0.0162
ACER: 0.1458
Accuracy: 0.8032
F1: 0.8369
Recall: 0.9838
Precision: 0.6088

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: Dinov2ForImageClassification
Ревизия весов: 3ebf487