Характеристики

Параметры: 28,3 млн
Архитектура: dinov2 · dense
Базовая модель: dinov2_Liveness_detection_v2.2.2
Библиотека: transformers
Опубликована: 23 янв 2025

Ссылки

Hugging Face

dinov2_Liveness_detection_v2.2.3

nguyenkhoa

Классификация изображенийИзображение → label

Дообученный классификатор DINOv2 определяет живость по изображению для систем проверки присутствия человека.

119скачиваний за 30 дней2лайкавеса обновлены24 янв 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

dinov2_Liveness_detection_v2.2.3 — дообученная модель классификации изображений на базе nguyenkhoa/dinov2_Liveness_detection_v2.2.2, построенная на архитектуре DINOv2 и содержащая 28,3 млн параметров. Она предназначена для определения живости по изображению и может использоваться как компонент проверки присутствия человека, например в системах контроля доступа или удалённой идентификации.

В README приведены результаты оценки: accuracy и F1 около 0,993 на одном наборе оценки; для другой оценки указаны ACER 0,0958 и precision 0,7026, поэтому показатели зависят от набора данных. Данные обучения и подробное описание классов не раскрыты. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

определение живого человека по изображению
проверка присутствия человека при удалённой идентификации
проверка изображений для системы контроля доступа

Ограничения

Данные обучения и подробные условия применения не описаны. Метрики различаются между оценками; в одной из них precision составляет 0,7026, поэтому качество следует проверять на целевых данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

dinov2_Liveness_detection_v2.2.3

This model is a fine-tuned version of nguyenkhoa/dinov2_Liveness_detection_v2.2.2 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.0224
Accuracy: 0.9932
F1: 0.9932
Recall: 0.9932
Precision: 0.9933

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
0.0562	0.5872	64	0.0385	0.9860	0.9860	0.9860	0.9860
0.0328	1.1743	128	0.0350	0.9884	0.9884	0.9884	0.9885
0.0251	1.7615	192	0.0311	0.9879	0.9879	0.9879	0.9879
0.0185	2.3486	256	0.0296	0.9895	0.9895	0.9895	0.9895
0.0166	2.9358	320	0.0328	0.9897	0.9897	0.9897	0.9898
0.0109	3.5229	384	0.0336	0.9906	0.9906	0.9906	0.9907
0.0098	4.1101	448	0.0249	0.9917	0.9917	0.9917	0.9917
0.0069	4.6972	512	0.0224	0.9932	0.9932	0.9932	0.9933

Evaluate results

APCER: 0.1827
BPCER: 0.0089
ACER: 0.0958
Accuracy: 0.8700
F1: 0.8975
Recall: 0.9911
Precision: 0.7026

Framework versions

Transformers 4.47.0
Pytorch 2.5.1+cu121
Datasets 3.2.0
Tokenizers 0.21.0

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: 11a214b