Характеристики

Параметры: 33 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Базовая модель: swin-tiny-patch4-window7-224
Опубликована: 12 апр 2022

Ссылки

Hugging Face

swin-tiny-patch4-window7-224-finetuned-eurosat

nielsr

Классификация изображенийИзображение → label3 профессии

Дообученная Swin-Tiny классифицирует спутниковые снимки EuroSAT по категориям землепользования.

53скачиваний за 30 дней3лайкавеса обновлены11 сен 2023

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

Это модель классификации спутниковых снимков, созданная дообучением Swin-Tiny от Microsoft на наборе EuroSAT. Она принимает изображение и относит его к одному из классов землепользования EuroSAT. В основе лежит архитектура Swin Transformer; модель содержит около 33 млн параметров и опубликована в формате PyTorch.

На оценочной выборке указана точность 0,9744 и значение Loss 0,0664. Модель подходит для классификации снимков земной поверхности в задачах дистанционного зондирования и анализа землепользования. Лицензия Apache-2.0.

Сценарии применения

классификация спутниковых снимков по типу землепользования
распознавание категорий земного покрова на изображениях
подготовка меток для анализа спутниковых снимков

Ограничения

Оценочные метрики приведены для указанного набора данных и не гарантируют такое же качество на снимках из других источников или распределений. README не сообщает подробности о классах и ограничениях применения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

swin-tiny-patch4-window7-224-finetuned-eurosat

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

Loss: 0.0664
Accuracy: 0.9744

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: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.2621	1.0	190	0.1083	0.9630
0.1769	2.0	380	0.1425	0.95
0.1343	3.0	570	0.0664	0.9744

Framework versions

Transformers 4.18.0
Pytorch 1.10.0+cu111
Datasets 2.0.0
Tokenizers 0.11.6

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: 28a1692